目录
当问卷结果解读卡住时，必须检查的 5 个要点
在看到分析结果时，
统计上确实出现了显著差异。
“A 组和 B 组之间的差异是显著的，
但到底为什么会产生这种差异，却说不清楚。”
这种情况下，问题往往不在分析方法，
而在于缺少用于解释的材料。
The Brain 在大量问卷结果复核中发现，
当“差异无法被解释”时，研究者往往会同时踩到下面这些点。
1️⃣ 缺少关键的解释变量
当差异存在、却无法说明原因时，
最常见的原因就是解释变量缺失。
示例：
测量了结果变量
但没有测量过程变量或情境变量
（如经验、可获得性、限制条件等）
在这种情况下，
你只能确认“有差异”，
却没有任何变量能说明为什么会出现差异。
很多时候，
造成差异的并不是结果变量本身，
而是未被测量的条件变量。
2️⃣ 组别划分过于粗糙
虽然对样本进行了分组，
但分组标准并没有真正反映差异来源。
常见问题示例：
年龄：20 多岁 vs 30 多岁
使用情况：使用者 vs 非使用者
这样的划分方式，
容易导致组内差异过大，
结果是：差异存在，但解释变得模糊。
在可能的情况下，应同时考虑：
更细分的子群体
以连续变量进行补充分析
3️⃣ 只看了平均值，没有看分布
平均差异只反映了结果的一部分。
必须进一步检查：
方差是否存在明显差异
是否由少数极端群体拉开差距
分布是否存在明显偏态
有时：
平均值看起来相近，但分布结构完全不同
或者平均差异其实是由极少数样本造成的
如果不看分布，
很容易对“差异来源”产生误判。
4️⃣ 混淆了“统计显著”和“实际有意义”
p 值只能说明：
差异是否存在，
却不能说明：
差异是否重要。
必须进一步确认：
效果量（Effect Size）
实际分数差距的大小
在实务或政策层面是否有意义
如果效果量很小，
更诚实的解释可能是：
“差异存在，但其实际影响有限。”
5️⃣ 问卷没有设计“为什么”的问题
问卷非常擅长发现差异，
但在解释差异原因方面本身就存在局限。
如果希望解释差异，
问卷中通常需要包含：
认知或判断理由
选择标准
限制或阻碍因素
如果这些题目不存在，
那么：
差异只能作为结果呈现
原因需要在后续研究中进一步探讨
结论：无法解释的差异不是失败，而是线索
差异暂时无法被解释，
并不代表研究是错误的。
相反，
它往往是引出下一步研究问题的重要线索。
稳妥的应对方式总结：
检查是否遗漏解释变量
重新审视分组标准
查看分布结构，而不仅是平均值
结合效果量进行解释
明确说明问卷设计的限制
The Brain 不会强行“编造解释”，
而是清晰区分可解释的范围与需要保留的研究边界，
确保论文和报告在逻辑上保持稳定、不动摇。
