基础方法 | 定量研究写作中的常见错误

‍定量研究的写作格式相对固定，彭玉生教授曾称之为“洋八股”，一般包括提出问题、文献回顾、研究假设、研究设计、研究结果和结论与讨论几个部分。今天，我们主要总结在定量研究数据分析和呈现上的常见错误

常见错误1：描述统计误算均值

定量研究中，变量的描述性统计必不可少，旨在项审稿人和读者展示文章所使用的变量的基本情况。计算均值是很好的描述变量的手段，从统计学上而言均值也具有良好的统计性质。但是，并不是所有的变量都能计算均值。在社会科学研究之中，变量可以划分为四类，定类变量、定序变量、定距变量和定比变量，其中前两者也可称之为类别变量，后两者也可称之为连续变量。对于连续变量而言，计算均值是正确的，如平均收入、平均年龄等；而对于类别变量，尤其是其中的分类变量则不能计算均值，例如婚姻变量，未婚编码为1，已婚编码为2，离婚编码为3，而这样计算出的均值则没有意义，因为这里面的1、2、3仅仅是一个代码，没有实际的含义，所以对于定类变量是不能计算均值的，只能用百分比来描述。但是在定类变量中有一个特例：虚拟变量可以计算均值，也即进行0、1编码的变量，如城镇户口编码为1，农村户口编码为0，这样计算的均值就是编码为1的百分比。下表总结了不同变量进行描述统计的方法：

变量类型

描述方法

虚拟变量

均值、百分比均可

定类变量

百分比；不能计算均值

定序变量

均值、百分比均可

连续变量

只能均值；不能百分比

常见错误2：对于*的理解存在偏差

*是所有研究者最香看到的，因为有*则证明具有统计显著性，统计显著性的意义是我们观察到的差异不仅仅是存在样本之中，也是存在总体之中的，而对于研究而言，只有在总体中有意义才是有意义的。但是，*不是越多越好，也不是少了就不好，一颗*代表在95%的水平上显著，也即有95%的把握认为变量之间的关系是真实存在的，两颗*一般认为在99%水平显著，三颗*一般认为是在99.9%水平上显著。在社会科学，乃至整个统计学研究中，一般在95%水平上显著就是可以的了。因而*的数量没有太大的意义，不是说*越多越好。

常见错误3：回归模型中系数解读错误

回归模型中系数解雇错误常见于Logit和Probit等非线性回归模型之中，对于一般线性回归分析系数解读相对容易。而在Logit和Probit等非线性回归模型之中则不能随意解读，首先两个模型中的系数需要进行转换才可以解读，其中Logit模型需要将系数转换为发生比，Probit模型则无法转换发生比，只能计算边际效应。

详见：

常见错误4：回归模型中系数比较错误

有的研究希望比较不同自变量对于因变量的影响程度大小，但是不能直接比较回归系数，因为每个变量的测量尺度（单位）不一致，所以不可比。例如受教育年限的单位是年，区间一般是[0,20]，而性别变量一般只有两个单位：男、女，因此计算出来系数肯定有很大的差异，这样直接比较是错误的。需要进行标准化系数转换才可以比较，标准化回归系数是没有量纲的，因而可以直接比较。

详见：

常见错误5：R方解释错误

R方代表着模型的解释程度，即因变量的变异有多少可以被模型解释掉。在社会科学中R方一般比较低，因为因变量的影响因素往往比较多，我们很难以穷尽，这有时也被当做批评定量研究的一个方面。R方最常见的解释错误也是存在与Logit等非线性回归模型始终，因为在此类模型中没有R方，只有伪R方，而其含义又有所不同。此外，是不能区分R方和调整后R方。

详见：

常见错误6：统计量汇报不全

在回归模型中也常见统计量汇报不全的情况，这种常见于使用SPSS进行数据分析的情况，因为Stata和R语言等软件直接输出的回归表是较为全面的。一般情况下，在回归分析中系数、标准误和显著性水平是必不可少的，很多研究常见不汇报标准误，虽然系数、标准误和显著性水平三者之间是存在关系的，知道两个就可以计算出第三个，因为系数/标准误=t值，t值通过查表可以找到显著性水平。但是，规范的研究还是建议完整的汇报三者的情况。

常见错误7：滥用对数转换

在研究收入相关的变量时，我们经常能看到将收入取对数。原因是因为收入是一个典型的偏态分布，需要进行对数校正，不然会影响模型的估计。一般情况下，如果收入不取对数往往容易显著，因为其中有极值的影响。但是并不是所有变量都有必要转换成对数，转换为对数带来的麻烦就是不能直接解释，解释时需要再进行转换。只有存在偏态分布的情况下才有必要转换。

常见错误8：随意增加平方项

在研究年龄问题时，有的研究往往增加年龄的平方，以及在经典的明瑟方程中也会有工作年限的平方，增加平方项的变量往往和“年”有关，但是增加平方项必须是有明确的理论依据的。平方项其实就是我们中学所学习的二次函数，即变量之间存在抛物线的关系，比如年龄对收入的影响，会随着年龄增大变多，但是过了中年之后又会随着年龄增大而下降，因此需要增加平方。