运用结构化的数据分析方法做严谨的
质性研究——中国企业管理案例与
质性研究论坛（）综述
文章来源
01作者：
毛基业（中国人民大学）
原文刊发：《管理世界》年第3期
文章全文内容
02摘要：本文聚焦于质性研究的数据分析方法，主要是基于本届论坛的两个主旨报告，重点阐述结构化的数据分析方法，包括其数据结构的科学哲学假设、本质特征和优势，以及具体应用过程。本文通过对一篇范文的深度分析说明，这个方法强调系统性呈现证据，便于新见解的涌现和理论构建，可在原始数据和结论间形成牢固的证据链，而且相对容易学习借鉴，可显著提升质性研究的质量。此外，本文也对近年来案例论文中常见的3个缺陷进行了剖析，包括与文献对话不足、过度概念化，以及单案例的不当抽样问题。
关键词：质性研究扎根理论案例研究数据结构研究方法
一、引言
数据分析的严谨性对于质性研究的质量有至关重要的作用，也是长期困扰很多案例学者的老大难问题。这在一定程度上是因为案例研究允许有基于不同科学哲学的多种流派和数据分析方法，与基于大样本定量研究通常遵循的相对程式化范式有很大不同。特别是单案例研究既要“讲个好故事”也需要对现象进行系统性的概念化（编码），来提炼普适性管理理论。因此，案例研究方法的多样性和缺乏固定程式使得它难以通过模仿掌握，初学者也往往会有盲人摸象、无章可循和无所适从的感受。
为帮助学者改进质性研究的数据分析方法，提升理论贡献的质量，本届论坛专门邀请美国宾州州立大学的乔亚（DennisA.Gioia）教授做主讲嘉宾。他是使用质性研究方法的全球顶尖管理学者之一，总引用次数超过6万次，近5年的引用也高达余次。乔亚教授最知名的是他独创的基于扎根理论的数据分析方法和所谓的数据结构。他作了题为“通过构建数据结构完成严谨质性研究”的主题报告，并在论坛的工作坊以自己近期发表的一个单案例研究为例，详细示范了如何构建数据结构，并把它转化为过程模型。
因此，本文重点综述乔亚的两个特邀报告的主旨，之后再结合其他嘉宾的报告和本文作者的观察对案例论文中的3个常见缺陷进行分析并给出改进建议，最后概述本届论坛的情况。
二、质性研究的背景和关于结构化
数据分析的假设
乔亚从科学哲学切入（毛基业、苏芳，），首先简要介绍了案例研究的背景。在管理学研究百余年的短暂历史中，早期的主流方法就是案例研究；大多是基于研究者的“印象”，逐渐演变到以访谈数据为主，这种状态一直延续到20世纪50年代。年后管理学界为应对缺乏科学性的诟病和加强严谨性的呼吁，开始广泛采纳基于统计分析的量化研究方法，案例研究因而被边缘化。直到年前后，案例研究才重获新生，再次成为恰当且受青睐的组织研究方法（Eisenhardt，；毛基业、陈诚，）。尽管国际上两本公认的管理学顶级期刊AMJ和ASQ发表的论文只有12%是质性研究，但占最佳论文的48%。这两个数字说明，质性研究的使用还不够充分，相对难以发表，但绝对值得坚守。
关于质性研究方法的价值，乔亚有他独到的见解。有趣的是乔亚有工程师的技术背景，曾是波音公司的工程师，参与过阿波罗登月项目，也在福特汽车负责过质检和整车售后的召回工作。这些在超大型公司的工作经历使他认识到组织的复杂性和难以驾驭，但进入学术界后却发现管理学主要借用自然科学的范式来研究组织，“把组织比作机器”。这与他之前的工作经历以及对组织的认知并不相符，他坚信组织是社会系统，要理解其内涵“意义”（meaning）才能理解社会系统，然而量化方法并不适合研究意义。乔亚无法接受采用自然科学的范式来描述社会和组织现象，因此独创了他自己的方法，试图兼顾严谨性和管理洞见的发现。其目的是给质性研究注入严谨性，同时提出创新性和揭示性的新概念和新思想。这就需要应用系统性的概念化和分析方式来得出对数据的可信诠释，以便让读者信服结论是有理有据的（Gioiaetal.，）。乔亚自称是扎根理论学者，以揣摩他人的想法为生，专注理解组织成员如何对自己的经历进行意义建构，用分析性表述（analyticalnarratives）呈现他所理解到的他人的认知。
针对质性数据分析方法，乔亚提出以下3个基本假设：首先，组织成员各有见解，他们熟知自己的目标，可以说明自己正在做的工作和如何去做，以及为什么做——这个更重要的问题。因此，应该让当事人用自己的话语去描述他们的经历，而不是研究者的话语。乔亚认为，世界是社会建构的（主观的），但人们也都接受事物是“现实存在”的（例如行为规范或文化）。乔亚特地引用美国现代作家布鲁斯·卡梅伦的名言“可计数的不一定算数，算数的不一定可计数”，来说明这个道理。其次，质性数据分析方法有三重目标：便于涌现新发现、呈现结论的证据从而避免被诟病为结论多而证据单薄，以及在结论中既体现当事人的声音（一阶概念）也反映研究者的声音（二阶主题）。其中，第三个目标意味着案例研究者应该成为报道当事人如何思考、感受和行动的“记者”，但同时也要发出自己的声音，毕竟研究者具备理论知识，可以看出规律、关系、新概念以及理论解释等。因此，报告两个不同来源的声音才能够呈现多个视角，但它归根结底是基于当事人的体验，而不是研究者的理论。最后，数据分析的核心是数据结构，它是从数据到理论的桥梁，甚至可以说“如果没有数据结构，就一无所有”。基于数据结构能够生成动态的扎根性过程模型，给研究现象赋予活力，使其动态化，二者的关系就好比从照片到电影的跨越。
换句话说，这种数据分析方法本质上既是现象驱动，又是数据与理论反复比较的过程。为避免研究者的个人主观偏见，数据分析通常应有两个以上的研究者分别分析访谈记录，独立寻找其中的规律性异同点，之后彼此先根据访谈数据（访谈对象的词语）的分类达成一致（形成一阶概念），之后再形成主题（二阶）和聚合构念。论文正文中应该充分引用原始数据以便使分析性表述更加丰满，而数据结构既能呈现有说服力的证据又显示了数据到理论的链条。
三、结构化的数据分析方法
乔亚教授结合自己和同事的一篇最新研究成果（Bishopetal.，），系统地展示了其结构化数据分析方法—乔亚方法（GioiaMethodology）（Gioiaetal.，）。该研究就地取材，主要基于乔亚长期服务的美国宾州州立大学的橄榄球队主教练帕特诺（Paterno）的故事，年11月初其个人的显著正面媒体形象因其助手的性虐丑闻曝光而迅速翻转。作者在引言中开宗明义地申明，组织中的显赫个人已经成为西方媒体的焦点，因此他们的形象如何被媒体所塑造已经上升到了企业战略管理的高度，尤其是当这些人已经变成组织的象征的时候。国内的部分企业家又何尝不是？他们无不在媒体的密切