JohnXie的个人博客分享 http://blog.sciencenet.cn/u/JohnXie

博文

寻找‘显著性差异’还是‘显著性相同’- 这是科学研究方法的根本性问题

已有 5117 次阅读 2022-5-21 06:58 |个人分类:对统计推断及统计显著性问题的评述与讨论|系统分类:海外观察

 

除了明确注明之处外,以下内容均翻译自“学术研究的堕落:重新塑造应用管理与社会科学学术研究规范的案例论证”这本书,英文原著为CORRUPT RESEARCH: The Case for Reconceptualizing Empirical Management and Social Science Raymond Hubbard (2016)

截图从网上下载,出处链接:https://us.sagepub.com/en-us/nam/corrupt-research/book245438


作者简介:雷蒙.哈伯德是位于美国爱荷华州首府城市得梅因(Des Moines)的Drake University的荣誉退休的市场学教授。他在伦敦大学取得了经济学荣誉学士(BSc)学位;在牙买加的KingstonUniversity of the West Indies取得了地理学硕士(MSc)学位;并在位于美国内布拉斯加首府城市Lincoln内布拉斯加大学获取了经济学硕士(MA)学位及地理学博士(PhD)学位。之前他曾在位于Fredonia的纽约州立大学担任教职,并曾在西雅图的华盛顿大学及新西兰的奥克兰大学担任过客座教职。他的研究领域包括应用方法学,社会学,及管理与社会科学的知识体系的历史发展。他在自己的研究领域里发表了众多的学术期刊文章。读者可以通过电子邮箱:drabbuhyar@aol.com与他联系。

你能信得过那些所发表的应用管理与社会科学的学术研究成果吗?’这是对哈伯德教授的“学术研究的堕落”这本书做封底页面推介时所用的标题。关注于学术研究的信用度这个极端重要的问题,雷蒙.哈伯德这本开创性著作指出我们必须对所发表的学术研究成果的可信度保持一种健康的怀疑态度。通过这本书哈伯德试图说明这样一个观点 目前在这些学科占主导地位的知识发现与积累的研究方法, 显著性差异范式(the significant difference paradigm),在哲学上是有疑问的,方法论上是有缺陷的,并且在统计理论上是站不住脚的。哈伯德提出了一个更为准确的替代模式 科学知识发现与积累的显著性相同范式(the significant sameness paradigm)这本书的主要内容都是在对“显著性差异”与“显著性相同”从科学概念的角度,包括哲学的,方法论的,以及统计理论的角度,进行一一对应地逐点比较。这本书的重要特点包括:以清晰、引人入胜的写作风格向读者呈现了确实及有力的论据说明了对显著性差异范式提出质疑的必要性; 提供了有实质意义的,涵盖了多个学科内容的例证来促使读者思考并质疑这些学科的科学基础与状况;提供了易于理解的图表来澄清关键的概念;提供了一份全面的参考资料清单以有助于读者在管理、社科、及生物医学科学方面就本书所讨论的重要问题做进一步的追踪研究。


这本书针对“显著性差”与“显著性相同”这两种截然不同的研究方法范式从科学概念的角度,包括哲学的,方法论的,以及统计理论的角度进行了一一对应地逐点的比较,其结果浓缩总结在了下表中(英文原著的Table 1-1)。

1-1 “显著性差”与“显著性相同”两种研究方法范式的对照比较

类别

显著性差

显著性相同

哲学层面的对比

知识的形成与确认

不是个问题。集中关注于以p ≤   0.05作为标准决定是否拒绝无效假设从而确认科学发现的新知识。

是个问题。数据极少能揭示其本身的知识意义,用科学证明也是不可能的。因此其关注的焦点是,需要依靠相关学者们集体的努力,针对某一事实现象通过不断地对各种可能的试图解释该现象的理论假说逐一严格验证并将验证结果作为证据积累,从而能够排除那些站不住脚的假说,最终使得新知识得以形成并得到确认。

科学理论的形成

几乎无一例外地只关注检验的过程,而不是发展的过程理论的形成所依据的是假设-演绎法(见注1,译者加注)。以逻辑实证主义/经验主义为导向。

通过例证归纳法来找出并使经验规律能够普遍适用于多组数据,从而发展出理论。这些总结出来的规律又成为了作出以解释现象背后的原因为目的的诱导推断(abductive   inference,见注2,译者加注)的认知基础。与严格意义的现实主义哲学是一致的。


可靠地确认科学新知识是可以通过一次性的研究做到的。

科学理论的发展与确认的研究方案需要计划与进行多次的反复研究才能做到并且是很费时间的。


好的理论得出的结果是(或者应该是)具有普遍适用性的。

科学所要做的不是得出普遍适用的答案,而是在广泛经验证据的基础上的、在已知的边界条件下的适用性答案。

“负面”研究结果的作用

极少被发表;得到“负面”结果被认为是研究者水平不够的一个反映,而不是研究内容的性质的一个反映。

一个“负面”的结果对相关发现的边界条件的确定至关重要;它也为建立一个更好(更深入)的理论提供了启示。

方法论层面的对比

重复验证研究成果的重要性

偶尔做,极少做。重复验证研究被看作是次级水平的研究。“创新性”或“原创性”的研究才是最重要的。

重复验证研究的重要性定义了“显著性相同”的研究方法范式。它能够保护科研文献不被似是而非的研究成果的侵害。更重要的是,重复验证研究是唯一可行的手段能使我们通过经验综合来确立分析结果的普遍适用性并界定出其所能适用的边界条件。此外,整个研究分析结果的普遍适用性的确认过程都是以重复验证研究为基础实现的。

重复验证成功的标准

统计显著性的结果与之前的研究结果一致。

通过找出来自不同研究计划所得出的点估计值的置信区间之间的重叠部分来确认显著性相同的程度。

普遍适用性/外部效度的形成与确认

因着代表性的模型(例如从研究总体中获取了代表性抽样数据)的建立从而统计分析结果的普遍适用性也得到了确立,强调随机抽样。

对来自不同研究计划的样本数据(即来自研究总体的不同部分subpopulation的样本数据)分析结果的经验综合来确立其普遍适用性,常常使用非随机的定向抽样法(purposive   sampling)获取数据。

统计学角度的对比

模型的不确定性

通常是被忽略的,进而导致将统计分析的结果作为确认科学新知识的主要依据。

明确地处理解决。统计分析只是总体研究方案的一个组成部分。模型的不确定性问题只有通过对多组样本数据的验证才能解决。

预测的性质

属于定性的预测结果。这也是管理与社会科学理论研究所能达到的结果。

属于定量的预测结果。树立预测精度与符合程度检验的观念是应对模型不确定性的关键。

p-值的作用

是研究全过程的关注焦点。统计显著性被当作确认科学新知识发现成果的基本评价标准。

作为一个方向性的衡量指标使用,而不是当作一个可以衡量科学新知识成果的客观指标。

效应值的作用

开始出现在企业管理与社会科学领域的分析研究报告中了。

常规地应用于分析研究成果的报告与解读。

置信区间的作用

很少被应用于企业管理与社会科学领域的分析研究。

常规地应用于分析研究成果的报告与解读。

个体研究人员所遵从的哲学


关注的重点是在‘不发表文章就会被淘汰出局’的环境条件下追求个人学术生涯阶梯上的不断晋升。发表文章与积累文章被引用的数量具有压倒一切的重要性。发现新的知识只是研究工作成果放在第二位需要考虑的事情。

关注的重点是通过研究项目来达到知识的发现与积累的目的。职业发展的成功标准以知识发现的成果来衡量,而不是发表文章的数量及被引用的数量。

原著关于上表的最原始出处的注释:Source: Adapted from Hubbard, Raymond and R. Murray Lindsay (2013a), “From Significant Difference to Significant Sameness: Proposing a Paradigm Shift in Business Research,” Journal of Business Research, 66 (September), p.1379 with permission from Elsevier.


注1)           (根据英文原著第35页相关内容翻译)建立科学理论的假设-演绎法(hypothetico-deductive method):该方法的核心可以用以下四个步骤的内容来概括。

1 提出一个模型或一种理论,T

2 依据所提出的模型或理论T以及几个相关的前提条件推导出相应的预测结果、得出相应的假设、或得出什么其它经验性的定律,P。与T相关的前提条件包括的内容有,初始条件的确定、其它相关的信息(或理论)、以及涵盖了“其它条件不变”这句话所指的限制条件内容。

3,验证P,因为在假设-演绎法的框架下T只能被间接地验证。

4, 根据P为“真”或“假”的验证结果,对T是否已能够被确认作出一个判断结论。


2 (根据网上查阅得到的资料翻译)诱导推断(abductive reasoning, or abduction)是这样一种逻辑方法,它猜测性地提出一种理论用以解释某一类的现象。它属于一种自下而上的逻辑推理方法,可用于估计结果或建立理论。(译者注:abductive reasoning, or abduction是一个哲学概念,我非常陌生,且因未受过正规哲学训练译起来倍感吃力。根据反复阅读上下文,感到或许把它意译作‘假设-归纳’推理更为准确贴切。敬请有关的专家不吝批评指正。





https://m.sciencenet.cn/blog-3503579-1339495.html

上一篇:科学与信仰(Science and Faith)
下一篇:一分钟了解2022年澳大利亚联邦大选最新结果

19 黄河宁 刘炜 尤明庆 王安良 周忠浩 雒运强 宁利中 范振英 杨正瓴 刘秀梅 何应林 李宏翰 梁洪泽 孔玲 焦飞 葛及 郑永军 张俊鹏 朱晓刚

该博文允许注册用户评论 请点击登录 评论 (2 个评论)

数据加载中...

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2024-3-29 22:35

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部