研究设计（Research Design）是把"研究问题"转化为"可执行的方案"的桥梁。好的研究设计让数据自己"说话"，差的研究设计则让再多的数据也说不清楚。以下是主要研究设计类型的系统梳理。

实验设计（Experimental Design）。最强有力的因果推断工具。①随机对照试验（RCT）：随机分配被试到实验组和对照组，操纵自变量，控制其他变量。金标准，但成本高、伦理限制多。②准实验设计（Quasi-experimental）：无法随机分配时（如比较两所学校的成绩），用匹配、差分法等统计方法逼近因果。③前测-后测设计：同一组被试在干预前后各测一次。④因子设计（Factorial Design）：同时操纵两个或多个自变量，可以检验交互效应。⑤实验设计的要点：随机化、控制组、操纵检验（Manipulation Check）、排除替代解释。

调查研究（Survey Research）。最常用的社科研究方法。①横截面调查（Cross-sectional）：在某一时间点收集数据。适合描述现状和相关性分析。②纵向调查（Longitudinal）：在多个时间点收集数据。适合研究变化趋势和因果关系（比横截面强）。③面板数据（Panel Data）：追踪同一批受访者多次。最强大的观察性设计，但成本高、流失率高。④调查研究的核心挑战：样本代表性（你的样本能代表总体吗？）、非响应偏差（不回应的人和被回应的人有差异吗？）、共同方法偏差（同一被试自报所有变量）。

案例研究（Case Study）。深入剖析单个或少量案例，适合"如何"和"为什么"类型的问题。①单案例研究：深入到一个极端案例、典型案例或失败案例。②多案例研究：选择3–5个案例进行比较分析，增强外部效度。③案例研究的要点：案例选择要有理论依据（不是随便选的）、数据来源要多元（triangulation）、分析要有系统性（编码→主题→理论对话）。

混合方法设计（Mixed Methods）。同时收集和分析定量+定性数据。①顺序解释设计（QUAN→qual）：先做定量，再用定性解释定量结果。②顺序探索设计（qual→QUAN）：先做定性探索，再用定量验证。③并行三角设计（QUAN+qual）：同时收集两种数据，相互验证。混合方法的核心价值：定量告诉你"有多少"，定性告诉你"为什么"。

研究设计选择决策树。①你的研究问题是什么类型？描述性→调查/案例。关系性→调查/相关分析。因果性→实验/准实验。机制性→中介分析/混合方法。②你能操纵变量吗？能→实验。不能→调查/观察性研究。③你需要深入理解机制吗？需要→定性/混合方法。不需要→纯定量。④你的资源（时间、经费、人力）允许什么规模？大规模→调查。小规模→实验/案例。

研究设计中的"效度"保障。①内部效度（Internal Validity）：你的结论在"这个研究内部"是否可靠？威胁因素：选择偏差、历史效应、成熟效应、测试效应、工具变化、回归均值。控制方法：随机化、控制组、前测、统计控制。②外部效度（External Validity）：你的结论能推广到什么范围？提升方法：多样化的样本、真实场景的实验、复制研究。③构念效度（Construct Validity）：你的测量真的测到了要测的东西吗？提升方法：多指标测量、验证性因子分析、与已有量表对比。④统计结论效度（Statistical Conclusion Validity）：你的统计推断正确吗？提升方法：足够的样本量、正确的统计方法、检查假设条件。

研究设计（Research Design）是把"研究问题"转化为"可执行的方案"的桥梁。好的研究设计让数据自己"说话"，差的研究设计则让再多的数据也说不清楚。以下是主要研究设计类型的系统梳理。

实验设计（Experimental Design）。最强有力的因果推断工具。①随机对照试验（RCT）：随机分配被试到实验组和对照组，操纵自变量，控制其他变量。金标准，但成本高、伦理限制多。②准实验设计（Quasi-experimental）：无法随机分配时（如比较两所学校的成绩），用匹配、差分法等统计方法逼近因果。③前测-后测设计：同一组被试在干预前后各测一次。④因子设计（Factorial Design）：同时操纵两个或多个自变量，可以检验交互效应。⑤实验设计的要点：随机化、控制组、操纵检验（Manipulation Check）、排除替代解释。

调查研究（Survey Research）。最常用的社科研究方法。①横截面调查（Cross-sectional）：在某一时间点收集数据。适合描述现状和相关性分析。②纵向调查（Longitudinal）：在多个时间点收集数据。适合研究变化趋势和因果关系（比横截面强）。③面板数据（Panel Data）：追踪同一批受访者多次。最强大的观察性设计，但成本高、流失率高。④调查研究的核心挑战：样本代表性（你的样本能代表总体吗？）、非响应偏差（不回应的人和被回应的人有差异吗？）、共同方法偏差（同一被试自报所有变量）。

案例研究（Case Study）。深入剖析单个或少量案例，适合"如何"和"为什么"类型的问题。①单案例研究：深入到一个极端案例、典型案例或失败案例。②多案例研究：选择3–5个案例进行比较分析，增强外部效度。③案例研究的要点：案例选择要有理论依据（不是随便选的）、数据来源要多元（triangulation）、分析要有系统性（编码→主题→理论对话）。

混合方法设计（Mixed Methods）。同时收集和分析定量+定性数据。①顺序解释设计（QUAN→qual）：先做定量，再用定性解释定量结果。②顺序探索设计（qual→QUAN）：先做定性探索，再用定量验证。③并行三角设计（QUAN+qual）：同时收集两种数据，相互验证。混合方法的核心价值：定量告诉你"有多少"，定性告诉你"为什么"。

研究设计选择决策树。①你的研究问题是什么类型？描述性→调查/案例。关系性→调查/相关分析。因果性→实验/准实验。机制性→中介分析/混合方法。②你能操纵变量吗？能→实验。不能→调查/观察性研究。③你需要深入理解机制吗？需要→定性/混合方法。不需要→纯定量。④你的资源（时间、经费、人力）允许什么规模？大规模→调查。小规模→实验/案例。

研究设计中的"效度"保障。①内部效度（Internal Validity）：你的结论在"这个研究内部"是否可靠？威胁因素：选择偏差、历史效应、成熟效应、测试效应、工具变化、回归均值。控制方法：随机化、控制组、前测、统计控制。②外部效度（External Validity）：你的结论能推广到什么范围？提升方法：多样化的样本、真实场景的实验、复制研究。③构念效度（Construct Validity）：你的测量真的测到了要测的东西吗？提升方法：多指标测量、验证性因子分析、与已有量表对比。④统计结论效度（Statistical Conclusion Validity）：你的统计推断正确吗？提升方法：足够的样本量、正确的统计方法、检查假设条件。