picture from Internet
本文是针对论文《Do not cross me: Optimizing the use of cross-sectional designs》的解析，该论文发表于《商业与心理学杂志》（Journal of Business and Psychology）2019年第2期，作者为Paul E. Spector。
引言
横断研究被学术界诟病已久，学者普遍认为其结果远不如纵向研究可信。人们的担忧主要有两点：一是横断研究中普遍存在共同方法变异（common method variance）问题，二是横断研究不足以做出可靠的因果推断。因此，很多采用横断设计的文献不得不在“研究局限”部分做一番自我检讨，并建议未来研究采用纵向设计或实验法进一步验证结论。实际上，
横断研究可以提供很多有价值的信息，纵向研究也未必比横断研究优越。
横断研究vs.纵向研究
严格来说，建立变量间的因果关系需要同时满足以下四个条件（X代表原因变量，Y代表结果变量）：
1.X与Y相互关联或共变（covariation）
2.X先于Y出现
3.在验证条件1、2时排除替代解释（alternative explanations）
4.X通过某一清晰的机制（articulated mechanism）引起Y的变化
纵向研究在验证这些条件时是否比横断研究更有说服力？我们逐条PK一下：
条件1：横断研究可以很容易地建立变量间的共变关系，比纵向研究省时省力。虽然这远远不够，但至少是一个好的开始。
条件2：这里的关键是引入时序，即在Y产生前测量X，在X发生后测量Y。同时测量所有变量的横断研究显然无法满足这一点，但纵向研究也不容易做到，因为我们必须确定
时间框架
（timeframe）或者说X与Y之间的时滞（lag）【再通俗一点：X的变化在多长时间后会引起Y的变化】，时滞选择不当可能导致错误推断。不幸的是，
我们通常很难确定准确的时滞，多数时候只能凭经验或遵循惯例
。
条件3：横断研究和纵向研究都可以通过改进研究设计或统计控制来排除替代性解释。虽然纵向设计能够更好地控制短时情境因素和一致性偏差（consistency bias）等导致的共同方法变异，但如果时滞选择不当，就无法捕捉到X与Y的真实关联。
条件4：通常需要引入中介变量来解释X对Y的影响机制，然而纵向研究会使这一问题变得复杂，因为我们必须精确把握X与M、M与Y之间的时滞。如果只是任意选取测量时点，得出的结论未必比横断研究可信。
【小编语：可见，选择恰当的测量时点或时滞是纵向研究的关键和难点。】
picture from Internet
做好横断研究的实践建议
横断研究的最大优点在于其便捷高效、省时省力、成本低廉，可以作为系列研究的起点和基础工具。不过，在审稿过程中作者需要努力证明自己的横断研究有发表价值，而审稿人也应保持开放的态度，以审慎而不是挑剔的眼光对待横断研究。
★何时适合采用横断研究？
1.当我们并不确切了解X与Y是否有共变关系时。
这通常发生在我们刚刚涉足一个新的研究领域，或者在现有领域中引入一个新变量的情况下。
2.开展探索性研究时。
例如，我们希望考察若干前因变量与某一结果变量的关联，但尚不了解其中的关系模式和时间框架，此时可以先通过一项大样本横断研究检验这些变量间的关系，再选取有意义的关系开展后续研究。
3.当我们无法确认变量间的时间框架时。
如果我们不了解X经过多长时间才能改变Y，就很难设计好纵向研究，甚至可能得出错误的结论。此时横断研究是更安全的选项，有助于揭示X与Y的共变关系。
4.当我们想研究某一自然发生的事件的影响效果时。
例如，如果想研究企业兼并对员工的影响，最理想的研究设计是在兼并前后各对员工开展一次调查，但这在实践中很难实现。我们可以退而求其次进行一项横断研究，要求调查对象回忆自己是否经历过企业兼并，然后考察经历过和未经历过兼并的员工在结果变量上的差异。
5.当我们试图排除变量间关系的替代解释时。
我们可以在一项横断研究中对可能的解释变量进行统计控制，例如在控制和不控制消极情绪（negative affectivity）的情况下，比较职场应激源与压力（strains）的关系有无差异。
★如何设计和呈现横断研究？
在广泛的质疑面前，研究者必须就为何采用横断设计给出令人信服的理由。请谨记：采用横断设计是因为它能够很好地契合研究目的，而不仅仅是因为它很省事。
1.确保研究目的的表述与研究设计相匹配。
研究者必须清楚地阐释研究目的是什么，横断设计为何能达到这个目的。例如，我们想研究某一重要的新现象，首先要探索该现象与其他现象存在怎样的关系，此时使用横断研究来建立一个初步的逻辑网络是合适的。但在检验中介模型时使用横断设计就无法完全满足研究需要。
2.多数时候孤立地考察X与Y的关系是不够的，需要采用系统性分析策略。
首先清晰地建立起X与Y的关系，然后引入控制变量（例如组织的某些客观特征）以排除替代解释，或引入调节变量以划定这一关系的边界。同时还应向审稿人说明这样做的重要意义。
3.尝试在研究中加入某些时间元素。
例如像前述的企业兼并研究那样加入回顾性事件变量，从而在一次调查中将过去事件与当前状态联系起来。
4.紧贴数据得出研究结论，并讨论其他可能的解释。
5.对研究局限性进行更深入的思考。
随手写下“未来研究应当采用实验设计或纵向设计”没有多少益处，反而会让审稿人质疑为何研究者自己不这样做。最好是在研究设计策略上提出一些具体的建议，帮助研究者了解变量的时间框架或控制潜在的混淆变量。
结语
毫无疑问，任何一项研究都要投入时间、金钱、机会成本。为了最大限度提高效率、利用资源，我们应当以合乎逻辑而程序化的方式来回答研究问题。在投入大量资金精力用于检验因果关系之前，最好首先以便捷而省力的方式确认变量间的关联性，此时横断研究就有了用武之地。当然，我们也不能苛求横断设计能够解决中介效应之类的复杂问题（事实上，即使是纵向设计也难以完美地解决这一问题）。若想获得关于X是Y的原因的强有力的证据，我们需要采用能够确认时间框架和事件先后顺序的更精细的方法，而不是依靠对源于简单/常规的研究设计的数据进行复杂的统计分析。
总之，饱受争议的横断设计并不像很多人认为的那样不靠谱，备受推崇的纵向设计也不是无可指摘。
它们都是科研“武器库”中的重要工具，只要我们善于运用，都可以从中获得关于组织现象的丰富洞见。
原文：Spector, P. E. (2019). Do not cross me: Optimizing the use of cross-sectional designs. Journal of Business and Psychology, 34(2), 125-137.
【作者简介：c，南佛罗里达大学（University of South Florida）心理学系教授，著名的量化研究方法学者，在组织行为学及自我报告法、共同方法变异、量表编制、统计控制等方法学议题上有很深造诣，其作品以反击学界偏见、挑战传统观点而引起广泛关注。在谷歌学术上的被引次数达28000+。】
解析作者: 朱小白
