研究假设怎么写：从研究问题到可检验的命题

假设不是"我觉得会这样"，而是一个可以被数据推翻的明确命题。假设写不好，后面的统计做得再漂亮也支撑不起论文。

研究问题 vs 研究假设

• 研究问题：开放式的疑问，如"工作压力是否影响离职意向？"
• 研究假设：对关系的方向性预测，如"H1：工作压力正向影响离职意向。"

假设要满足三个条件：

1. 可检验：能对应到具体的变量和统计方法；
2. 有方向：明确正向、负向或有差异，而不是"存在影响"；
3. 有理论依据：每条假设背后有文献或理论逻辑支撑，不能凭直觉。

假设的来源

1. 理论演绎

从成熟理论出发推导。例如资源保存理论（COR）认为资源流失会引发消极后果，可推导："情绪耗竭正向预测离职意向。"

2. 文献缺口

前人研究结论不一致或尚未覆盖某情境，可提出："以往研究多关注制造业员工，本研究检验该关系在知识型员工中是否成立。"

3. 现实观察

现象驱动，但必须回到理论解释，不能停留在"笔者观察到"。

假设的类型

假设的写法模板

差异类：

H1：不同学历的员工在职业倦怠上存在显著差异。

相关类：

H2：组织支持感与工作投入呈显著正相关。

影响类：

H3：数字领导力正向影响员工知识共享行为。

中介类（必须同时写清三段）：

H4：心理安全感在包容型领导与员工建言行为之间起中介作用。 （拆开写：H4a 包容型领导正向影响心理安全感；H4b 心理安全感正向影响建言行为；H4c 中介效应显著。）

调节类：

H5：任务复杂性正向调节工作自主性与创新绩效的关系，即任务复杂性越高，该正向关系越强。

假设与研究模型的对应

画一张模型图，每条箭头对应一条假设，编号标在箭头上。常见问题：

• 图上有箭头，假设里没有；
• 假设里有变量，图上没有；
• 控制变量画成主变量。

模型图与假设必须一一对应，审稿人第一眼就看这个。

假设数量的控制

• 本科/硕士论文：3–6 条核心假设较合适；
• 每条假设都要有对应的分析和结果，假设太多会导致"一半不显著"；
• 不要把人口学变量的差异检验全部写成假设（除非研究问题确实关注），否则假设数量会膨胀到十几条。

假设与结果不一致怎么办

假设不被支持不是失败。写法：

H3 未得到支持（β = 0.06，p = 0.21）。可能的原因包括：……（样本特征、测量方式、情境差异、理论边界条件）。

关键是给出理论化的解释，而不是简单说"可能与样本有关"。

常见误区

1. 假设写成"存在影响"却没有方向：无法用单尾检验，也不符合"预测"的本意；
2. 假设与研究问题重复：把疑问句改成陈述句不等于假设；
3. 假设没有理论依据：只引用"某某（2020）发现"，不解释为什么；
4. 中介假设只写一句"起中介作用"：应拆成 a、b、c 三条或至少说明路径；
5. 假设和统计方法不匹配：写了"存在差异"却只做相关分析；
6. 事后补假设：看到显著结果再补写假设，属于 HARKing，严重违反规范。

小结

好假设 = 明确变量 + 明确方向 + 理论依据 + 可检验。写完全部假设后，逐条问自己："如果数据不支持它，我会怎么解释？"能回答，说明假设是可证伪的。