在研究方法的課堂上，在reviewer的意見中，在論文答辯的時候，甚至在學生的comprehensive exam，如果遇到質化研究，這樣的問題你可能會常聽到或看到：如何確保這篇質化研究的validity？

這問題說真的不好回大，可大可小。往大裡說，可以牽扯到知識論，先了解你對「真相」(truth) 的定義，再來看如何確保質化研究的validity。往小裡說，可能就具體提供幾個實用的方法來回答這種問題。

這篇文章就不從知識論來談了，就直接切入重點吧！

第一種解決辦法，就是說明名詞差異。在質化研究中，並不使用validity，而是使用其它詞彙。

比如說Guba (1981) 所提到的詞彙對應：

Internal validity <-> Credibility

External validity <-> Transferability

Reliability <-> Dependability

Objectivity <-> Confirmability

詳見這裡：http://www.fctl.ucf.edu/ResearchAndScholarship/SoTL/creatingSoTLProjects/implementingmanaging/qualitativeresearchvalidity.php…

Stata 在作不同的分析時，會要求不同的資料格式，而資料格式指的是資料是長格式 (long format) 還是寬格式 (wide format)。一般而言，如果你不是panel data，通常寬格式就可以了。如果你是panel data，也就是你的outcome variable測量了許多次，那大部分的情況下你都必須將資料轉換為長格式。

不過這部分每個統計軟體不一樣，像SPSS的repated ANOVA，用寬格式即可，但在Stata裡面，repeated ANOVA必須將資料轉換為長格式才可以。

那究竟什麼是長格式，什麼是寬格式呢？

寬格式比較直觀，我們從寬格式說起。如果你的outcome測量了三次，那你的資料可能如下：

uid outcome1 outcome2 outcome3

1         100             90          95

換言之，寬格式一個人只有一筆資料，用不同的欄位來代表不同時間的測量。

長格式的話，就不一樣，一個人有多筆資料，欄位相同，但多了時間變數。

長格式如下：

uid time outcome

1      1       100

1      2         90

1      3         95

那在Stata裡面，該怎麼作呢？這透過reshape這個指令。在Stata 的說明裡面，說的挺清楚的：

如果從寬格式轉換成長格式，指令如下：

reshape long outcome, i(uid) j(time)

要作轉換之前，你必須確保outcome前面部分是相同的，後面指的是時間，像之前例子說的outcome1, outcome2

在指令裡面，i後面括號放的是區別每一筆紀錄的變數，j後面放的是新變數，用來區別時間的。轉換之後，這個值就是outcome變數名稱的值。…