8.1 质化资料分析步骤
想要很好地理解分析的步骤，首先需要了解分析的目的。只有当目标确定后，每一步骤的意图才会逐渐显现出来。
无论是质化研究还是量化研究，其目的都可以归纳为：为了寻求问题的答案，使用一套预先定义好的程序（方法）收集分析数据，得出结论（可能出现结论非事先所假设的或超出现有研究边界），找到答案。
在质化研究中，分析资料的过程往往是研究人员基于文本（可以是文字、图片、视频等）之上，对研究对象的理解和思考过程。而量化资料分析的过程则严格遵循标准化的程序，通过科学测量来获得数据，通过对数据的分析来呈现结果。此外，和量化研究分析不同，质化研究对资料的分析往往和资料的搜集同步进行，这是由质化研究的持续性与反复性所导致的。相较于量化研究分析，质化研究分析试图从所涉及的相关人群的角度来理解一个给定的研究问题，因此在文化价值观、具体观点、行为以及特定社会环境下的人群特征等方面的研究上，质化研究分析更为有效。
必须承认的是，质化资料（数据）并不容易被转化为数字。相对于回答“是多少”，质化研究分析试图回答的侧重点在“如何”的问题上。它关注的是一个事物在不同情况下的变化，而不是这个事物到底有多大或者究竟有多少个这样的事物。质化分析侧重从特定人群的特定角度获得丰富、复杂、深刻的信息以深刻地理解一个问题，而非事物的普遍性。了解了这些，我们就可以进入质化资料分析步骤的介绍了。
从研究思路来看，质化资料的分析过程是反复、交互的过程，通过恰当的方法搜集完数据后，研究人员可以根据Matthew B.Miles和Michael Huberman在《质化数据分析》中提出的分析模式，分三步对资料进行分析：资料整理、资料展示、提出结论或进行验证。三者间的关系如图8-1所示。
图8-1 质化数据分析模式
8.1.1 资料整理
由于质化研究中会获得大量资料，如笔记、文件、访问记录、研究日志、影像资料、实物等，因此研究人员往往在获得这些资料后（或同时）就要对其进行归纳和分类，这就是资料整理（data reduction）。资料整理过程包含以下三个关联步骤：归类与编码、概念提取、迭代与反例。
归类与编码
归类与编码是质化研究过程中的关键所在。在整理资料时，研究人员根据已有的经验和判断将搜集到的文本内容进行分类（如记名、标签等），这就是归类（categorization）。 在归类的过程中，研究人员对其所发现的感兴趣的资料，通过数字或符号进行编码（code）。编码过程应严格按照编码表（code sheet）进行。
编码的实质就是将文本中的有效片段进行直观描述的过程。编码表的生成一般有两种方式：
1.预先设计：编码项是在编码前就已经设计完成的，其来源是研究目的和研究假设。
2.实际提取：编码项不是事先设计的，而是在整理资料的过程中从原始材料中提取出来的。
在实际运用中，研究人员一般将两者结合进行使用。和量化研究相比，质化研究在这一阶段的优势在于，研究人员在研究的过程中可能发现之前未知的信息，并据此实时添加新的编码项。完成编码后，研究人员将对其所归纳的分类进行比较。这种比较不仅有助于完善编码表，还能找出数据间的逻辑关系，从而为框架的比较和概念的提出提供可能。
以最常见的访谈法为例。通过访谈我们往往可以得到大量的录音、录像材料，为了能够清楚了解每个访谈对象的准确情况，从而验证或发现特性，我们需要将每个对象的相关信息规整填入表格。图8-2是一个表格范例。
图8-2 访谈法编码表
概念提取
对编码的数据进行归纳分类可以得出相关的框架模型。研究人员需要确定一个核心的问题作为构建其研究的基石，这一过程被称为选择编码（selective coding）。通过对核心问题的逻辑思考，研究人员可以完成对理论的建构，如因果关系等。但在实际运用中，变量间的关系往往不会如此简单，而是相互影响的，我们将这种相互之间的影响称为递归（recursive）。
通过选择性编码，研究人员在资料分析的后期就可以完成对概念的整合和提取。当核心问题被确定后，研究人员应根据所确定的核心问题（概念）重新审视所有资料并梳理其与中心的关系。
迭代与反例
如同在上文中所提及的，研究人员在研究的过程中可能发现之前未知的信息，从而修正最初的观点和假设，并根据新的假设继续展开研究，这一过程被称为迭代（iteration）。显而易见，迭代有助于完善整个研究设计，那么如何实现迭代呢？研究人员最常使用的方法是通过反例分析来帮助实现迭代。反例分析（negative case analysis）是指研究人员刻意地寻找与原观点、假设相矛盾的案例，通过对该案例的分析重新检视观点。
8.1.2 资料展示
研究人员往往通过图表的方式对经过整理后的资料进行总结。清晰、简洁的展示方式有助于研究人员总结和归纳所获得的资料。如果采用表格进行总结，一般通过交叉表格的形式填充受访者和相关问题（表8-1）。
表8-1 交叉表格
如采用图形形式，则有流程图、网状图、循环图、递归图、韦恩图、矩阵图、树形图、空间地图、分类系统图等。图8-3是对常见图形的简单展示。
图8-3 常见资料展示图形
8.1.3 提出结论、进行验证
根据展示的资料，我们就可以有逻辑地提出结论。但在结论阶段，如何让人接受结论至关重要。在量化研究中，研究人员通过对测量数据信度（可靠性）和效度（有效性）的阐释来建立研究结论的可信度。那么质化研究的可信度如何被保证呢？
在质化研究中，我们并不使用量化研究中的信度和效度概念。质化研究结论的可信度（credibility）体现在研究人员从资料收集到资料展示的整个过程中。
我们一般通过检查研究的结论是否与社会认知相一致（主观有效性，Emic validity）以及研究人员相互间对同一文本编码的相似性（交叉研究可靠性，cross-researcher reliability）来判断质化研究的可信度。为了提升质化研究的可信度，研究人员可以使用三角测量法（triangulation）作为研究策略。所谓三角测量就是通过多元的研究手段来扩展研究人员的研究视野，提升研究过程的深度、广度和维度。如多种搜集数据的方法、多个不同时期的资料库、不同领域的多个数据分析人员等。同行审查（peer review）也是一种常用于检查质化研究结论可行程度的方法。