17_質性分析

核心表格

核心主題	原書主要觀點／方法	實務用途	重要條件／限制
Qualitative analysis	系統性檢視非數值資料，理解背後的 meanings／interpretations	回答 opinions、perspectives、experiences 與「為什麼」	重點在 context、depth、richness，不等同 quantitative generalizability
Mixed methods	質性結果可補充 quantitative findings，並協助 refine questions／hypotheses／instruments	把「多少」與「為什麼」結合	兩種資料應互補，而非用一種取代另一種
Saturation	新資料不再產生重要新 themes／patterns／insights 時，視為資料趨近充分	判斷是否需繼續蒐集	沒有固定 sample size；原書說有時 10–20 participants 可達 saturation，但也可能需要更多
Purposeful sampling	選擇能提供 rich、diverse perspectives 的 participants	提高 qualitative data 的深度與相關性	目標是 data sufficiency／understanding，不是單純追求數量
Coding	辨識 key words／phrases，指派 category of meaning	把 unstructured text 組織成可分析資料	需保留 raw data，避免 code 取代原始語境
Deductive／Inductive coding	原書將 line-by-line descriptive coding 描述為 deductive coding；inductive coding 則讓新 codes 從資料本身浮現	建立／調整 coding framework	本頁保留原書表述，不自行改寫成其他方法論定義
Intercoder reliability	多名 coders 獨立 coding 一部分資料並比較 agreement	提高 coding consistency／credibility	原書沒有在本章提供特定 coefficient 或 cut-off
Themes／Sub-codes	把相關 codes 組成 higher-level themes；codes 太廣時建立 sub-codes，原書亦稱 meta coding	找到較具意義的 patterns	themes 需要反覆回到 original data 檢查 coherence／relevance
Excel	Worksheet、Filter、Sort、Search／Replace、COUNTIF、PivotTable、Conditional Formatting 等	整理、coding、frequency summary 與初步 visualization	原書提醒 Excel 對大型資料、複雜 coding hierarchy 與專門 qualitative analysis 有限制
Reporting	Organize themes、summarize findings、用 quotes／excerpts、交代 context、interpretation、limitations 與 confidentiality	把分析轉成 stakeholder 可理解的 narrative	visuals 應 sparingly 使用，需服務 interpretation

章節定位

第 17 章把本書從 numerical statistics 延伸到 nonnumerical information。原書指出 quantitative data 能呈現 correlations、trends 與 statistical significance，但常無法完整回答 underlying reasons／motivations；qualitative analysis 則透過 text、images、audio recordings、observations 等資料探索 context、perceptions 與 behaviors。

原書也把 qualitative analysis 放進 business decision making：可用於 consumer preferences、market trends、organizational culture、employee engagement、competitive analysis 與 strategic planning，並可在大型 quantitative study 前用來 refine research questions、hypotheses 與 measurement instruments。

原書的 5 步質性分析流程

Gathering and collecting data
Organizing data
Coding and identifying themes
Data analysis and visualization
Reporting on the insights derived from your analysis

這五步形成一條完整證據鏈：先取得足夠且多元的資料，再保留 raw material、建立 codes／themes、檢查 patterns，最後才形成 business interpretation。

Gathering and Collecting Data

原書列出的主要 qualitative collection methods 包括：

Interviews：structured、semi-structured、unstructured；可 face-to-face、phone 或 video conference。
Focus groups：原書指出通常約 6–12 participants，由 moderator 引導並利用 group interaction 產生 insights。