【作者】盛智明

【内容提要】

*盛智明

上海大学社会学院讲师

摘要：在社会科学中，定量与定性两种研究范式的二元划分及其分野由来已久。由加里•金、罗伯特•基欧汉和悉尼•维巴三位教授（KKV）撰写的《社会科学中的研究设计：定性研究中的科学推论》尝试在定量和定性研究方法之间找到某些共享的逻辑和准则，并以此来指导定性研究设计。文章围绕“什么是好的社会科学研究？”“好的研究如何设计？”这两个核心问题，对KKV的研究设计框架、研究设计的操作步骤和策略进行了梳理。在此基础上，文章进一步介绍了KKV引发的关于定量与定性研究法的争论，以及定性学者对KKV的批评与对定性研究方法和设计的反思。了解KKV的基本主张及其所引发的争论，有利于提高学者在研究方法上的“自觉”，促进社会科学定性研究朝着更加严谨和科学的方向发展。

一、KKV：引发定量与定性研究法之争

在社会科学中，普遍认为存在两种截然不同甚至相对的方法论范式：定量研究范式和定性研究范式。在很长一段时间里，这种研究范式的二元划分成为社会科学家们的共识。依据研究的方法取向，大部分社会科学家会自然而然就被归到某一种范式中去。虽然存在这样明显的分野，但社会科学家们一直希望在定量和定性研究方法和研究设计之间找到某些共享的标准和原则。这种尝试从来没有间断过，由加里•金（Gary King）、罗伯特•基欧汉（Robert Keohane）和悉尼•维巴（Sidney Verba）三位教授（简称“KKV”）撰写的《社会科学中的研究设计：定性研究中的科学推论》（Designing Social Inquiry：Scientific Inference in Qualitative Research）（简称“DSI”）就是诸多尝试中最具影响力的一部作品。

在过去二十多年的时间里，DSI一直是社会科学尤其是政治学界被最广泛阅读的方法类书籍之一，它使许多方法论概念和观点变得耳熟能详，诸如描述性推论（Descriptive Inference）、因果推论（Causal Inference）、可观测的现象（Observable Implication）、单位同质性（Unit Homogeneity）、选择性偏差（Selection Bias）和平均因果效应（Mean Causal Effect）等等。DSI讨论的内容涵盖了研究设计的每一个步骤，从提出问题，到明确可验证的理论假设，再到选取案例和观测值，最后到检验理论假设，报告研究结论，涉及了研究过程的所有方面。

虽然KKV旨在定量研究和定性研究之间搭建一座桥梁，找到适用于两者的共享研究标准与规范，但实际上他们主张透过合理运用定量研究已确立起来的一系列规范和准则来评估与改善定性研究。这种取向被后来的学者称之为“主流定量方法（Mainstream Quantitative Methods）”。其背后蕴含着一个心照不宣的假设：即定量研究所使用的方法和技术比定性研究更优越，定性研究可以通过使用这些方法和技术，并遵循相应的准则来改善研究质量。

DSI为定性研究提供的基于回归分析准则的研究范例，受到许多定性研究者的质疑，引发了一场关于社会科学研究方法论的大论战，参与此次学术对话的学者发表了一系列反思社会科学研究方法以及不同研究取向特有逻辑的论著。因此，了解KKV在DSI中的基本主张及其所引发的方法论争论，有利于提高学术界在方法论上的“自觉（Self-consciousness）”（Mahoney，2010：121），对社会科学研究者将有莫大的帮助。

二、好研究如何设计：KKV的研究框架

KKV撰写DSI的首要目的是发展出一套能够进行有效科学推论的研究设计方法，他们希望这套方法能在定量和定性研究中都适用。他们认为定量研究和定性研究在本质上是相同的，两种研究的目的都是运用科学方法对社会现象做出因果推论，两者之间的不同只是研究风格和方法技术的差异。从这个目的出发，DSI并不侧重于提供具体的研究技术，而是侧重于厘清研究方法背后的基本逻辑，建立适用于各种研究类型的抽象方法模型。

（一）什么是“好”的社会科学研究？

KKV开宗明义地指出“好”的社会科学研究首要标准是“科学性”。那科学的研究应具备哪些要素呢？KKV总结了科学研究的四个基本特征：

①科学研究以进行描述性或解释性推论为目的。这些推论基于可直接观测的数据但又超越这些经验资料，以获得关于世界的一般化知识。

②科学研究过程是公开的。研究者应汇报他们收集和分析资料的方法，以使其他研究者能够重复其研究，以此评估研究质量和研究结论的可靠性。

③科学研究的结论通常具有内在不确定性，研究者必须对这种不确定性进行估计。社会科学处理的是具有高度复杂性的社会现象，影响这些现象的条件和因素都是或然性的而非决定性的。我们的推论来自不完整的测量和数据，很难完美无缺。

④研究是否科学主要取决其所采用的方法。评价研究发现的核心标准是方法的可靠性，因此科学的真正“内容”是方法。

除了“科学性”，好的社会科学研究也要能提出重要的研究问题、具有较强解释力的理论、采用系统的资料和数据收集方法、运用恰当的分析方法、进行逻辑清晰的推论。这些要素贯穿了社会科学研究的整个过程，构成了DSI的研究设计框架。

（二）好研究如何设计？

基于上述对研究“科学性”的总结，KKV为定性研究的设计和执行提出了一个完整的框架。这个框架可用研究循环圈来表示（图1），其基本步骤包括：界定问题、厘清理论、选择案例和观察值、进行描述推论和因果推论、检验理论和重新建构理论。此循环的最后步骤是以研究者重建理论和界定问题（虚线箭头）结束。虽然理论上，作为“理想型”的研究会按部就班地遵循着上列循环的步骤进行，但实际上，很多研究工作在某一步骤上会重返前面的步骤或直接跳到后续步骤，因此图1中可能会出现更多的箭头指向。

图1 研究循环圈：DSI的研究框架

对于研究循环圈中的每个环节，KKV都提供了一些具体的可操作性建议和指导。我们对这些观点进行提炼，并通过研究指南的形式呈现出来，概述如下：

A.界定研究问题

在选择和界定研究问题时首先要确认这个问题在现实世界中是否重要，即是否具有现实价值；其次要看这个问题对现有文献中的科学解释有无贡献，即是否具有理论意义；最后要注意这个问题能否被操作成可执行的研究计划，即是否具有可行性。如果这三点中有一点不能满足，就应该考虑适时修改或舍弃此研究问题。如果研究问题符合这三点，就是一个成功的研究问题，接着就去尝试将研究问题操作成“研究命题”，即明确研究问题中的解释项与被解释项，并就两者之间的关系及其作用机制提出假设。

B.厘清和确定理论

在找寻用于解释社会生活某些现象的理论时，我们首先要确保该理论可以被证伪，要知道哪些证据可以证伪理论；其次是理论要具有逻辑一致性，由理论推演出的假设不能彼此矛盾；最后理论要具有简洁性，即以尽可能少的解释变量去分析尽可能多的可观测现象，以此来提高理论的解释效力。这就要求研究者在阐释理论时尽量使用默顿所说的“中层理论”，并将这中层理论操作化为可被实证检验的假设。在理论被证实的基础上，最后确定理论的解释边界在哪里，即在采用该理论对社会现象进行解释和推论时的适用范围和条件是什么。

C.选择案例和观测值

根据界定，“案例”是比较宽泛的分析单位，它们可以是国家、组织或个人。“观察值”是从这些分析单位中得到的一组数据，它们是进行描述性推论或因果推论的基础。KKV指出了在选择案例和观察值时需要注意的事项：

①从那些在自变量上具有差异性的对象中选取案例，这些差异是我们想解释的，也是理论要解决的问题。

②研究设计要包含足够多的观察值以确保得到可靠的研究结论。如果所做的推论多于可观察到的结果，那么就会导致不确定的（Indeterminate）研究结论。

③保证“因果同质性”（Causal Homogeneity）假设成立。这一假设认为所有具有相同自变量观察值的单位也都具有相同的因变量期望值。

④避免选择性偏差（Selection Bias）。选择性偏差对描述性推论和因果推论都会造成严重危害。产生这种偏差的一个重要原因是样本不能反映因变量的全部变化范围。避免产生这种偏差的一种常用方法就是随机选择案例，但这种方法有时并不适用于小N研究。

⑤在小N研究中，KKV建议我们依据下列准则进行非随机选择：a.避免选择那些在自变量和因变量上都不变的观测值；b.避免刻意选择那些自变量和因变量都发生与理论假设相一致变化的案例，这会导致不符理论预期的案例被刻意排除出样本选择范围的问题。

⑥如果观察值之间彼此不独立，将会降低研究结论的可靠性。因此，研究者要分析这种观察值之间出现相关的原因。

D.描述性推论

进行科学推论是DSI研究框架中的核心内容，KKV将其界定为从特定的观测值中得出更广泛的一般性结论的过程，认为它是社会科学的基础和最终目标，因此对描述性推论和因果推论做了非常详细和广泛的讨论。

在KKV看来，描述性推论要完成三项任务：第一，从样本做出对总体的概括；第二，完成从观测值到概念的提升；第三，对现象的“系统”部分和“随机”部分做出区分。

要进行出色的描述性推论，研究者应该：①从案例的独特性中提取相关特征；②了解案例发生的背景和情境；③研究可观察到的概念；④一般而言，除非作为初期的探索工具，避免使用类型学划分；⑤使用有效的观测指标；⑥采用可靠的数据收集程序；⑦评估测量误差；⑧辨别现象的系统部分和随机部分。

E.因果推论

描述性推论是因果推论的基础，科学研究最终目的是对现象做出科学的解释和有效的因果推论。KKV对因果推论的指引如下：

①尽可能证明在既定的条件和情境下，因果推论背后的下列假设都成立，诸如因果同质性假设，条件独立性假设和观测值相互独立性假设等。

②依据理论选取合适的解释变量，避免用“考掘数据”的方式选择变量。

③将所有相关的解释变量都包含进解释框架中，避免遗漏变量所造成的误差。

④将不相关变量排除出解释框架，来减少估计值的变异范围。

⑤避免多重共线性（Multicollinearity）问题。KKV建议可通过增加额外的观测值或舍弃高度相关变量的方法来解决这个问题。

⑥避免内生性（Endogeneity）问题。如果因变量也可能是自变量变化的原因，就产生了内生性问题。KKV提供了四种方法来解决这个问题：a.将它转变成遗漏变量问题，准确地测量这个遗漏变量并将其纳入控制变量。或者，挑选不会有遗漏变量问题的观察值；b.将因变量分解成解释的部分和被解释的部分；c.将自变量分解成完全外生的部分和至少部分是内生的部分，然后只将完全外生的部分用于因果分析；d.修正有偏差的推论，首先估计偏差程度，然后尽量正确估计偏差值的范围。

⑦估计选择性偏差，尽可能修正这个偏差。

F.检验和重新建构理论

为了保证研究的科学性，实现研究的最终目标，在研究过程的最后步骤中，KKV建议：首先，研究者应该报告研究程序，使其他研究者可以评估和重复此项研究；其次，建构理论与检验理论应该使用不同的资料或数据；第三，如果现有的经验证据不支持理论，不建议重构理论，因为对理论的事后调整会严重损害理论的说服力。如果为使理论更加严谨而对其作了调整，就需要用新资料或数据重新对调整过的理论加以检验。

KKV的研究设计框架和具体操作建议对定性研究产生了双重影响，一方面，它促使定性研究者更注意研究背后的逻辑与假设的科学性，增强了描述性推论和因果推论的有效性；另一方面，由于KKV认为定量研究与定性研究没有实质性差别，两者只是研究风格和研究技术不同，主张将定量研究中发展出的准则和逻辑运用于定性研究，实现两者在方法论上的整合。这种“主流定量方法”取向在定性研究领域引起了很大争议，促使很多定性研究者开始反思定性研究特有的原则、逻辑、方法和技术，并出版了一系列著作与KKV对话。在反思和对话过程中，不论是定量研究取向的学者，还是定性研究取向的学者，都越来越清楚地意识到虽然KKV提出的用在定量研究中确立起来的一套规范和准则来评估与改善定性研究的主张值得商榷，但KKV试图寻找同时适用于定量与定性研究的规范和准则的努力是值得肯定的，两种取向的研究者应跳出定量与定性二元论的框架，超越关于定量与定性两种研究法各自独特性和孰优孰劣的简单争论，求同存异，相互补充，促进社会科学研究整体质量和水平的提高。

三、后KKV时代：超越定量与定性研究法之争

在DSI出版后引发的关于定量与定性研究方法的大讨论中，参与讨论的学者陆续出版了一系列专著和论文（集），其中由亨利•布雷迪（Henry E.Brady）和戴维•科利尔（David Collier）主编的《社会研究再思考：不同的方法，共享的准则》（Rethinking Social Inquiry：Diverse Tools，Shared Standards）（简称为“RSI”）是自DSI出版后，对其贡献和不足进行系统地回顾和评论，并对定量研究和定性研究方法论准则和分析工具做深入探讨的专题论文集。

RSI论文集的作者们都是积极参与此次定量与定性研究法大讨论的知名学者（包括KKV三人）。他们对DSI所强调的将定量研究的标准和逻辑应用到定性研究中的主张提出了质疑，认为DSI在倡导将“主流定量方法”作为研究设计和定性研究的基础这点上走得太远，过于相信和依赖定量技术，而对定性研究工具的效用认识不足。例如，虽然DSI非常强调要估计推论的不确定性，但是他们却没有认识到统计显著性检验只能用来估计某些特定类型的不确定性，如果将统计检验作为一般性的工具来估计所有类型的不确定性，就超出了这一工具原本的使用范围。又如，DSI过于强调增加观测值数量这一研究策略，忽略了观测值有不同类型、以及定量和定性研究对资料或数据处理与使用方式的差别。而且DSI也没有意识到增加观测值数量N可能造成的潜在风险，其中一个潜在风险就是由于观测对象增加导致研究者很难全面了解和掌握研究对象的背景知识和发生情境，就可能做出不符合真实情况的推论。

在批评DSI的基础上，RSI的作者们提出了自己的方法论主张。他们试图在定量研究传统和定性研究传统之间找到新的平衡和共同点，主张两种传统能够而且应该相互学习，为增强因果推论的解释力，解决DSI忽略或未能解决的问题，他们认为：

首先，要区分不同类型的观测值，并认识它们在因果推论中的作用。RSI区分了两种类型的观测值：一种是数据集合型观测值（Data-set Observations），它们是案例样本在某些特定变量上的数值。这种观测值不仅常用于定量研究，也用于定性研究的跨案例比较分析。另一种是因果过程型观测值（Causal-process Observations），它们主要提供关于研究对象背景、事件过程和因果机制的信息，这些信息可以为自变量之间以及自变量与因变量之间的关系提供额外的洞见。虽然由于观察到的资料或数据涵盖范围有限，因果过程型观测值有时不如数据集合型观测值那么完整，但是因果过程型观测值的优势并不取决于它们覆盖的广度，而取决于它们洞察的深度。即使只有一个因果过程型观测值也有可能做出有价值的推论。这种因果过程型观测值主要用于定性研究的案例内部分析（Within-case Analysis），但也可以成为定量研究的重要工具。

其次，研究者需要更关注定性研究的准则与实践，从定性研究中汲取可以推动科学推论的方法和工具。例如，关于案例的知识和研究对象的背景信息有利于实现有效的推论；另外，相对于定量研究常用的演绎法与证伪法，定性研究常用的归纳法在实现有效推论和产生新思想方面也有其重要作用，对定量研究和定性研究都有裨益。

再次，如果定量研究和定性研究都能够为“好”的科学研究提供准则和标准，那么研究者们在必要时必须有能力在具有潜在冲突的方法论准则之间做出判断和选择。这种判断和选择的能力是基于对事实的把握和优先性的充分认识。研究设计其实是一种权衡，研究者需要在不同的研究目标之间，在不同类型的观测值之间，以及在用来进行描述性推论和因果推论的不同工具之间进行权衡。只有在这种权衡判断的基础上，研究者才有可能发展出两种方法共享的准则与评价体系。

虽然RSI的作者们在有些方面不认同DSI的方法论主张，但他们并没有拒绝DSI中的一个最核心观点：即定量研究和定性研究具有共享的准则。他们认为两种研究范式的不同是由于它们所使用的设计、执行和评估研究的工具不同，因而寻找使用这些工具的共享标准是有意义的，它们有利于在不同工具的使用者中达成“什么是好研究”的共识。与DSI“主流定量方法”取向不同的是，RSI的作者们更倾向于从定性研究取向出发去思考这些共享的准则和框架。

如果说RSI的作者们开始从定性研究的逻辑和准则出发去寻找定量和定性研究方法之间的平衡和统一，那么亚历山大•乔治（Alexander L.George）和安德鲁•班尼特（Andrew Bennett）撰写的《社会科学中的案例研究与理论发展》（Case Studies and Theory Development in the Social Sciences，以下简称《案例研究》）一书则完全从定性研究传统出发来讨论有效的因果解释和理论发展问题。书中对定性研究最常用方法——案例研究（Case Study）进行了全面而深入的讨论，对案例比较研究法（Comparative Study）、案例内部分析法（Within-case Analysis）、过程追踪法（Process Tracing）等分析技术做了详尽的论述，并从科学哲学的视角出发，对KKV的方法论主张提出了自己的质疑，其对DSI的评述主要有以下几点：

①DSI认为对于因果解释而言，“因果效应（Causal Effect）”比“因果机制（Causal Mechanism）”更重要，但乔治和班尼特认为因果效应和因果机制对于因果解释而言同样重要，而DSI对因果机制没有给予足够的重视。

②DSI过于强调假设检验，而忽视了理论发展的其他方面，如新理论的形成等。因而在《案例研究》一书中，乔治和班尼特更重视理论的发展、假设的产生、对案例的历史和背景解读以及对一般性假设的检验。

③DSI没有对因果关系的复杂性给予足够的重视，特别是没能解决在众多变量影响下可能出现的原因不同但结果相同的等效性（Equifinality）问题和多重交互效应问题。乔治和班尼特指出不同类型的复杂因果效应是社会科学关注的核心问题，不仅包括等效性和多重交互效应，还包括路径依赖（Path Dependencies）、选择效应（Selection Effects）、期望效应（Expectation Effects）以及行动者与社会结构之间的互动效应，等等。他们建议用过程追踪法（Process Tracing）来捕捉和检测复杂性，用类型学化的理论将复杂性模型化，以此来解决因果关系的复杂性问题。

④DSI提醒研究者应该尽量避免依据因变量来选择案例和观测值，并且认为单个案例是没有什么价值的。乔治和班尼特则认为这一建议忽略了研究特殊典型案例的作用，也没有完全意识到案例研究中某些类型的选择性偏差的危害性。

⑤DSI认为过程追踪法只是增加理论的可观测现象的数量的一种方法。乔治和班尼特不同意这种观点，他们认为过程追踪法与统计分析有本质的差异，这种方法聚焦于某个特定案例的历史和发展过程顺序，而不是跨案例数据之间的相关性。这种方法对理论检验有重要意义：一个未预期的过程追踪证据有可能改变对某案例的历史解释和此案例的理论重要性，然而许多同样的案例却未必能改变关于总体的参数估计值。

虽然乔治和班尼特对DSI的一些方法论主张并不完全同意，但他们仍然认同DSI为改进定性研究所作的努力和贡献。他们认为从对案例研究方法的讨论入手为定性研究的发展提供了不同于DSI的另一种可行路径。

除了RSI和《案例研究》外，盖瑞•葛尔茨（Gary Goertz）撰写的Social Science Concepts：AUser's Guide，约翰•格林（John Gerring）的Case Study Research：Principles and Practices和Social Science Methodology：A Unified Framework，查尔斯•瑞恩（Charles Ragin）撰写的Redesigning Social Inquiry：Fuzzy Sets and Beyond，詹姆士•马奥尼（James Mahoney）撰写的After KKV：The New Methodology of Qualitative Research，以及盖瑞•葛尔茨与詹姆士•马奥尼合著的A Tale of Two Cultures：Qualitative and Quantitative Research in the Social Sciences等一系列著作和论文，都在与KKV对话的基础上提出了自己关于发展社会科学研究方法和技术的建设性主张，开启了社会科学研究方法的后KKV时代（Mahoney，2010）。

通过这场讨论，学界达成了一些基本共识，大家一致认为定量和定性两种研究方法作为具有“科学性”的研究手段，在核心层面共享着一些基本原则和方法，包括：①两种研究都试图解释生活世界中的差异性；②为了发现这些差异性，比较法是基本方法之一；③研究过程都遵循科学研究循环圈的基本步骤，虽然起点可能不一样；④都进行描述性推论和解释性推论；⑤得出的结论都具有不确定性，产生的理论都具有可证伪性；⑥都以发展理论和检验理论为目的；等等。与此同时，两种研究范式在研究问题的提出、研究资料的收集与分析、推论方式等方面又有着各自的特色，遵循着各自一些约定俗成的规范和准则，两种方法各有所长，相互补充。例如：①虽然两种研究都试图解释差异性，但定量研究解释的是大量观测值之间的差异性，而定性研究主要解释少量案例之间或单个案例内部的差异性；②虽然两者都会采用比较法，但定量研究运用方差分析比较两个或两个以上样本组别之间的均值差异，而定性研究则更多是采用案例比较法；③两种研究过程都遵循科学研究循环圈，但定量研究通常以既有理论为起点，提出研究假设，再通过收集到的数据去检验假设，在此基础上修正旧理论或产生新理论，而定性研究更多时候是以资料为起点，通过逻辑推论形成理论，再用新的事实去检验理论；④两种研究都进行描述性推论和解释性推论，但定量研究主要运用统计技术和回归分析等方法，而定性研究主要运用过程追踪法和案例深描等方法；⑤两种方法得出的结论都具有不确定性，产生的理论也是可证伪的，但定量研究运用概率论等统计技术去推断总体参数估计值的置信度和置信区间，并进行统计显著性检验，而定性研究则会在逻辑上论证结论的适用范围和成立条件；⑥两种方法都以发展理论和检验理论为根本目的，但定量研究主要遵循演绎逻辑，运用统计检验等方法来发展和检验理论，而定性研究主要遵循归纳逻辑，运用扎根理论、过程追踪等方法来发展和检验理论。

表1 定量与定性研究的共享方法和各自的特色方法技术

定量和定性研究在认识论和方法论上的差异性归根到底源于社会世界的复杂性。因为我们生活的社会世界有多个面向和维度，而且这些面向和维度又是交织在一起的，如时间与空间的交织、一般性和特殊性的交织、正向作用与负向作用的交织，因果机制与因果效应的交织等，因此我们需要科学的方法对现实世界的复杂形态和过程进行分类与简化。不同类型的研究设计就是我们用来探究世界的工具，只是这些工具各有千秋：定性研究擅长于对具有典型意义的案例进行深度解剖，通过对事件过程的全程跟踪和因果机制的揭示，旨在告诉我们为什么特定的结果发生在特定的案例中。定量研究擅长于从样本推论到总体，能对总体的一般概况和发展趋势进行推论，对原因对结果的平均效应进行参数估计。

生活世界的不同面向和维度之间是相互关联的，构成了社会事实的统一整体。不同类型的方法只能着重把握某一个或某几个面向和维度，只有将不同类型方法综合起来使用，才能使我们全面深入地了解社会事实，因而，最理想的状态是将两种方法相结合来考察我们探究的议题。然而，在多数情况下，对于某些议题而言，由于受各种因素的制约（如议题类型、数据资料可得性、研究目的、研究时间精力经费、研究者所受学术训练等），研究者很难同时平行地采用两种不同类型的方法进行研究。即便使用多重研究法，通常的做法也是以某一类方法为主，以另一类方法为辅。以哪种方法为主主要取决于研究目的，如果研究的主要目的是为了考察解释项对被解释项的影响以及估计平均效应，那就以定量研究为主，辅之以定性案例研究；如果研究的首要目的是揭示特定案例中的因果机制，那就以定性研究为主，辅之以定量统计分析。总而言之，不同类型的方法没有好坏优劣之分，适合于研究议题和研究目的的方法才是最好的方法。在关于某一议题的研究中，两种方法的混合使用，可以相互取长补短，克服单一方法无法解决的问题。例如，定性研究工作可以帮助定量研究更好地界定概念，寻找到合适的变量对概念进行操作化与测量，处理异常案例等。而定量研究可以为定性研究在选择案例、提出假设和概化结论等方面提供支持。

KKV引发的关于定量与定性研究法的讨论使得学者们相互启发与学习，不论是在方法论层面还是在分析技术层面，都促进了定性研究的长足进步和发展。虽然迄今为止在定量和定性两种研究范式之间仍然存在一定的分歧，两个领域的研究者也依旧采用本领域一些特有的方法和工具开展研究，但在研究评价的标准上开始逐步采用一些共享的准则，并依此发展出新的定性研究分析工具，如模糊集（Fuzzy Set）分析法、定性比较研究法（QCA）、多重研究法（Multi-Methods）等。了解KKV所提出的定性研究框架和准则，以及在随后引发的方法论讨论中参与者们的具体主张和建设性意见，有助于每位社会科学学习者去检视并改进自己的研究设计与方法。

原文刊载于《公共行政评论》2015年04期