Research Methodology怎么写？Survey、Likert Scale与ANOVA案例解析
Research Methodology大概是最容易把留学生写到怀疑人生的一章。题目明明研究的是Uber，写着写着却开始纠结：Survey算Quantitative还是Qualitative？Likert Scale怎么设计？55个人够不够？ANOVA为什么突然出现？我通常会建议先别急着堆研究方法，把Methodology想成回答一个很实际的问题：为了回答research Question，我需要什么Evidence，又应该怎样可靠地获得和分析这些Evidence？下面以Uber与英国出租车服务调查为案例，把Survey、Sampling、Likert Scale和ANOVA串起来看。
一、Research Methodology不是“方法名称大全”
这个案例希望研究Uber进入英国出租车市场以后，对消费者选择和传统Minicab服务产生了什么影响。原研究进一步关注Customer Satisfaction、Service Quality和Competitive Advantage。
因此，研究逻辑应该先从Research Objectives开始：
| Research Objective | 需要什么Evidence | 可能的方法 |
|---|---|---|
| 了解顾客选择Taxi的因素 | 消费者对Price、Safety、Convenience等评价 | Survey |
| 比较Uber与Minicab | Service Quality Ratings | Likert-scale Questionnaire |
| 比较不同群体 | Group Data | Appropriate Statistical Test |
这才是Methodology真正的起点：
Research Question → Data Needed → Sampling → Collection → Analysis → Interpretation
二、为什么这个案例适合Survey与Likert Scale？
如果研究目标是了解大量消费者怎样评价Taxi Service，Survey有一个很现实的优势：能够用相对统一的问题收集多名Respondents的数据。
原案例使用了封闭式Questionnaire，并通过Likert-type Scale评价Convenience、Accessibility、Safety、Reliability、Responsiveness等因素。
| 方法 | 优点 | 局限 |
|---|---|---|
| Survey | 便于收集和比较标准化数据 | 很难深入理解回答背后的原因 |
| Likert Scale | 方便测量Attitude和Rating | 题目措辞和量表设计可能影响结果 |
| Secondary Data | 帮助建立Industry和Theory背景 | 资料可能来自不同时间和研究条件 |
这里有个特别常见的误区：不要因为Survey“方便”就写成它是最好的Method。应该解释为什么它与Research Objective匹配。
三、Sampling比“发了多少份问卷”更重要
原案例实际分析使用55名London taxi customers，包括30名女性和25名男性。这个数字本身并不能自动证明Sample具有Representativeness。
Methodology需要继续回答：
Target Population：研究希望代表谁？
Sampling Frame：研究者实际上能够接触谁？
Sampling Method：Respondents怎样被选中？
Sample Size：样本量为什么适合研究目的？
Bias：哪些群体可能被遗漏？
比如研究只在London收集数据，就不能很轻松地写成“这证明了整个UK Taxi Market”。London具有自己的交通、人口和市场特征，因此Geographical Limitation应该明确承认。
四、ANOVA到底什么时候才能用？
这也是原案例最值得重新讲清楚的部分。
ANOVA（Analysis of Variance）是一种统计分析方法，不是Data Collection Method，更不是Qualitative Research Method。它通常用于判断多个组之间的均值差异是否达到统计意义上的显著程度。
| 错误思路 | 更合理的思路 |
|---|---|
| 两个平均值看起来不同 → Significant | 建立Hypothesis并使用合适统计检验 |
| 做了ANOVA → 证明假设正确 | 检查Test Statistic、p-value及相关Assumptions |
| p<0.05 → 差异非常大 | Statistical Significance不等于Practical Significance |
例如比较不同消费者群体对Service Quality的评分，不能看到柱状图一高一低就宣布存在Significant Difference。至少要把Hypothesis、分析方法、统计结果和Interpretation连接起来。
Hypothesis → Statistical Test → Result → p-value → Interpretation → Business Meaning
如果只有两个群体，还应该解释为什么选择某种统计检验，而不是看到软件菜单里有ANOVA就顺手点一下。方法选择必须服从Data Structure和Research Question。
五、Results不是“把图表念一遍”
原调查主要关注Convenience、Accessibility、Safety以及Service Quality等因素，并尝试比较Uber与传统Minicab。
Research Paper里最容易出现的一种Results写法是：
“Figure 1 shows convenience is important. Figure 2 shows reliability is important. Figure 3 shows...”
读到第三张图，老师大概已经知道图表有阅读功能了。
真正需要的是：
Finding → Pattern → Theory/Literature → Explanation → Limitation → Implication
例如，如果消费者更看重Convenience，就可以进一步讨论这种结果是否支持literature review中的Customer Value观点；如果Uber在Responsiveness方面获得较高评价，则可以分析这种Service Attribute为什么可能形成Competitive Advantage。
同时还要承认：小样本、单一城市、Self-reported Data以及Questionnaire Design都可能限制结论的Generalisation。
很多同学搜索Research Methodology、ANOVA、Survey Research甚至“论文代写”，真正卡住的往往不是Methodology定义，而是不知道为什么选这个方法、数据应该怎样分析，以及结果能支持多大的结论。比较有价值的论文辅导可以放在Research Question梳理、Methodology选择、问卷逻辑、数据分析思路、结果解释和英文修改上，让研究设计本身经得起追问。
FAQ：Research Methodology常见问题
Q1：Survey属于Quantitative Research吗？
不一定。结构化问卷和数值量表经常用于Quantitative Research，但Survey本身也可以包含开放式问题。关键取决于数据类型和分析方式。
Q2：Likert Scale可以直接做ANOVA吗？
不能只因为使用Likert Scale就自动选择ANOVA。需要考虑量表构成、数据特征、研究设计和统计假设，再决定具体分析方法。
Q3：ANOVA和t-test有什么区别？
两者都可以用于均值比较，但具体选择取决于研究设计、组数以及数据条件。不要为了让Methodology显得高级而增加不必要的统计方法。
Q4：55个Respondents够不够？
不能只看一个固定数字。Sample Size应结合Population、Research Design、Statistical Analysis和研究目标进行论证。
Q5：Primary Data和Secondary Data可以一起使用吗？
可以。Secondary Data可以建立理论和行业背景，Primary Data则回答当前研究的具体问题，但需要解释两类Evidence如何互相支持。
Q6：Methodology最容易失分在哪里？
只描述“我用了Survey和ANOVA”，却没有解释Why；或者统计结果超出Sample和Research Design实际能够支持的范围。
总结：好的Research Methodology不是方法越多越专业，而是Research Question、Sampling、Data Collection和Analysis之间能够互相对应。Uber出租车调查这个案例最值得学习的，就是怎样从Customer Satisfaction问题出发设计Survey，再利用Likert Scale形成可分析数据，并谨慎选择ANOVA等统计方法。Methodology真正需要回答的始终是两件事：为什么这样研究，以及这些Evidence究竟能够支持什么结论。