質化研究分析技巧(一)：Pattern matching
質化研究之所以困難與可貴，就在於分析階段，沒有一個 formula 或是食譜，讓你照著說明就可以作出一篇好的研究。相反地，質化研究僅有一些指引而已，而這些指引往往都非常的模糊與隱晦，讓剛開始分析的人無所適從。
本系列整理 Yin (2009) 與 Patton (2002) 這兩本書與其它文章所提供的技巧。更詳細內容在書中和文章都有，我沒辦法全文翻譯和解讀。如果你有興趣，也可以參見下方的參考書目。
Pattern matching (類型比對)
類型比對 (pattern matching) 可說是質化研究中最常用到也是最值得用的技巧之一，這種分析方式的邏輯是：比較實際上你所搜集到的類型與你預測的類型 (可能是基於理論和rival explanation)。如果這兩者一致，這有助於強化質化研究的 internal validity。
如果你的研究是解釋型質化研究，你的 patterns 可能是與依變數有關，也可能是與自變數有關，也有可能是同時關注依變數和自變數。如果你的研究是解釋型質化研究，類型比對還是相關的，只要你在搜集資料之前定義你所預測的 patterns。
Yin (2009) 將 pattern matching 分成三大類，下面將分別簡介。
Nonequivalent dependent variables as a pattern (不對等依變項為類型)
要解釋 nonequivalent dependent variables as a pattern 之前，我們先來了解一下什麼是nonequivalent dependent variables (不對等依變項設計)。Nonequivalent dependent variables 不對等依變項設計是一種研究設計，但其內在效度 (internal validity) 非常弱。為何呢？在這種設計裡，只有一組人，有個 treatment 會影響到你的 outcome A，但應該不會影響到 outcome B。因為這設計裡沒有控制組，就只好用 outcome B 的前、後測作為比較，用此來看 outcome A 的增長。然而，其內在效度低的原因是 outcome A 與 outcome B 不完全一樣。
那什麼是 Nonequivalent dependent variables as a pattern 呢？在質化研究中，你也可以探索某個 treatment 是不是影響依變項 A 而沒有影響依變項 B。如果資料顯示依變項 A 受到影響而依變項 B 沒受到影響，那可增加內在效度。當然，你也可以有多個依變項來作研究。
Rival explanations as patterns (對立解釋為類型)
對立解釋不只可當作是分析策略，也可以用作是類型比對的方法。如果你知道你的 cases 有某個特定的結果，而你的研究著重 how and why，你可以採用將自變數 (也就是不同的對立解釋) 作類型比對。
舉例來說，你看到有一群人在 facebook 上有超過一千名朋友，你很好奇想知道為什麼他們有這麼多朋友和如何有這麼多好朋友，你可能有幾個解釋。1) 在現實生活中，他們就有許多好朋友。Facebook 上的朋友是他們生活中朋友 (的一部分)。2) 在現實生活中，他們沒有什麼朋友。所以他們花時間在網路上認識新的朋友。
假設有許多朋友只有這兩個原因 (當然還有其它原因，比如說 profile picture 放正妹照) ，而這兩個原因必須是互斥的 (1和2不會同時成立)。如果你的資料上上現 1 成立、2不成立，那你就可以證實你的理論。
Simpler patterns (較簡單的類型)
這種分析方式適用於你的依變數或因變數沒有太大的變化。在最簡單的情況下，你只有兩個依變數 (或因變數)，你根據這些變數找出不同的類型。
其實上述方式說穿了，就是 Merriam (2009) 所指的兩個最基礎的分析原則：歸納 (inductive) 和比較 (comparative)。
參考書目
Merriam, S.…
質化研究分析技巧(一)：Pattern matching Read More »
