纵向定性研究：设计、轮次规划与分析方法（2026）

大多数定性访谈研究只拍下一张快照。纵向定性研究则是跟随人们：治疗前后的患者、入职第一年的新员工、经历政策变化的家庭。定性研究者正是借此研究变化本身，而不是对变化的回溯性叙述。

本指南面向博士生、研究实验室以及计划开展多轮研究的定性或市场研究团队。内容涵盖研究设计、轮次间隔、样本流失，以及审稿人期望你明确说明的分析方法。我们还会探讨 AI 主持的访谈在重复轮次的后勤工作上改变了什么、没有改变什么。文末附有一份原创的轮次规划矩阵，可直接贴入研究方案。

核心要点

• 时间是设计变量。QLR 的定义在于对同一批人的重复接触，而不仅仅是询问过去。
• 明确你的分析方法。Grossoehme 和 Lipstein（2016）区分了轨迹分析（同一队列，考察个体内部的变化）与重复横截面分析（比较不同时间点）。
• 许多研究没有充分利用时间数据。2023 年一项针对 299 篇健康研究文章的综述发现，许多研究收集了跨时间的数据，却按主题组织研究发现，很少关注变化。
• 样本越小，样本流失的打击越大。15 名受访者中流失 3 人，就失去了五分之一的个案，而定性研究无法通过重新加权来弥补。
• AI 访谈降低的是一轮的成本，而不是解读的成本。异步、多语言的访谈让增加轮次更便宜；分析随时间发生的变化仍是研究者的工作。

什么是纵向定性研究？

纵向定性研究是贯穿时间展开的定性探究。同一批受访者参与重复的访谈、日记或观察，使研究者能够看到叙述、身份认同和实践如何转变。它的核心问题是变化如何发生、为何发生，而不仅仅是发生了什么。

这一方法在英国有深厚的传统。Bren Neale 主持了 ESRC 资助的 Timescapes 研究（2007–2012），后来撰写了方法专著 What is Qualitative Longitudinal Research?（Bloomsbury Academic）。Rachel Thomson 和 Janet Holland 2003 年的论文 "Hindsight, foresight and insight: the challenges of longitudinal qualitative research" 发表于 International Journal of Social Research Methodology，至今仍是讨论其实践与伦理困难的标准参考文献。

QLR 不同于要求受访者回忆过去事件的横截面研究。回溯性叙述是从当下重新建构的。前瞻性的轮次则捕捉人们在不知道事情结局之前的预期，这往往正是最有意思的分析所在。

适用人群

• 追踪疾病、照护转换或治疗过程的健康与社会照护研究者。
• 研究入职适应、战略变革或职业转型的组织与管理学者。
• 追踪学生完成某一课程的教育研究者。
• 追踪数月间产品采用、习惯养成或用户流失的市场与 UX 研究者。

常见的纵向定性研究设计

不同设计的差异在于运行多少轮、轮次间隔多远，以及样本是否保持固定。

设计	形式	最适合
面板（固定队列）	每一轮都访谈同一批受访者。	个体轨迹和个案史。
前后对比	围绕某一已知事件（如政策变化或产品发布）进行两轮。	比较两个时间点。
事件触发	围绕受访者自身的里程碑（如确诊或换工作）安排各轮。	对不同人发生在不同时间的转变。
密集短期	在数周内进行多轮，常与日记结合。	习惯养成、早期采用、短期治疗疗程。
长期延展	历时数年、每年或更低频率的轮次。	职业生涯、生命历程、缓慢的制度变迁。

长期延展设计的一个近期例子，是 Meng 及其同事对中国数字画师的研究，发表于 2026 年 9 月 8 日的 arXiv。该研究基于 2021 年至 2025 年间对 17 位画师每年一次的半结构化访谈，追踪随着生成式 AI 工具的普及，他们的创作能动性如何转变。单轮访谈无法回答这个问题。

如何分析纵向定性数据

纵向定性数据既要在每一轮内跨个案分析，也要在每个个案内部贯穿时间分析。你选择的方法应当服从于研究问题，并且应在方法部分明确写出。

Grossoehme 和 Lipstein 发表在 BMC Research Notes 的 2016 年论文介绍了两种主要选项。重复横截面分析比较不同时间点，适合前后对比的问题，或各轮之间队列会发生变化的研究。轨迹分析则贯穿时间追踪个体或家庭等小单位，要求保持同一队列。

Audulv 及其同事回顾了 2017 年至 2019 年间发表的 299 篇定性健康研究文章，成果发表于 BMC Medical Research Methodology（2023）。他们提出了一个包含 3 种类型、7 种亚型的分类体系，用于呈现纵向研究发现。简化后如下：

类型	研究发现的呈现方式	对变化的关注
A. 很少利用时间	围绕全部数据提炼主题，很少讨论变化，或仅在某一部分提及。	低
B. 按时间顺序	研究发现按时间点（重复横截面）或事件顺序排列。	中等
C. 贯穿时间的变化	跨轮次追踪主题、个案轨迹，或变化的过程与机制。	高

这篇综述的警示很有价值：随时间收集数据，并不意味着研究在分析上就是纵向的。如果你的研究问题关乎变化，审稿人会期待 C 类呈现方式。

实用的分析工具

• 个案档案或人物速写，每一轮之后更新，概括每位受访者到目前为止的处境和经历。
• 框架矩阵，以受访者为行，以“轮次 × 主题”单元格为列。参见我们的框架分析指南。
• 分析备忘录，在两轮之间撰写，记录下一轮想要检验的预期。参见分析备忘录。
• 带版本的编码手册，因为新的轮次会带来新概念，编码会随之漂移。参见编码手册漂移。

QLR 轮次规划矩阵

这份规划矩阵是 Qualitati 原创的模板。在开展田野工作之前，为每一轮的每项决策填写一行，并将其附在伦理申请或研究方案中。

决策	需要回答的问题	示例条目
锚点事件	这一轮围绕什么变化来安排？	第 2 轮：开始新职位三个月后。
轮次间隔	间隔是否足够长以容纳变化，又足够短以限制样本流失和回忆损耗？	三个月，窗口期为两周。
核心问题	哪些问题逐字重复，以保证答案可比？	每一轮都问四个核心问题。
轮次专属问题	在这一时间点上有什么新内容？	关于首次绩效评估的问题。
前馈	上一轮的哪些内容将反馈给受访者？	“上次您说预期会出现 X。结果如何？”
留存计划	如何保持联系？有人失联时怎么办？	两轮之间发送问候邮件；两次提醒后标记为流失。
同意核查	这一轮是否重新确认了同意？	每一轮开始时进行简短的重新同意。
分析步骤	下一轮开始之前要分析什么？	更新个案档案和变化备忘录。

样本流失、伦理及其他局限

QLR 要求很高，其局限应当影响你的设计。

• 样本流失。样本较小时，每流失一位受访者代价都很高。在第 1 轮多招募一些人，规划留存联系，并报告谁离开了以及原因。调查式的加权在这里并不是补救办法。
• 重复访谈效应。被反复访谈可能改变受访者对该主题的思考方式，这是面板调节效应的一种。应将其视为数据并加以反思。
• 持续的同意。Thomson 和 Holland（2003）强调了长期研究关系的伦理分量：受访者的处境会变化，第 1 轮给予的同意可能并不涵盖第 4 轮。参见我们关于AI 主持研究中的知情同意的指南。
• 可识别性。内容丰富的个案史比单次访谈更容易被重新识别，这对匿名化和存档很重要。参见GDPR 下的定性数据共享。
• 分析过载。数据量随着每一轮成倍增加。如果没有轮次之间的分析计划，研究往往会滑向 A 类呈现方式。

何时不应使用纵向设计

如果你的问题与变化无关，如果你无法为至少两轮提供经费或人手，或者你关心的事件不会在你的时间线内发生，就不要使用 QLR。回溯性访谈研究或日记研究可能更高效地回答这个问题。

AI 主持的访谈在纵向研究中改变了什么

AI 主持的访谈主要改变的是一轮的后勤工作：排期、主持人的一致性和每次访谈的成本。它们不会消除样本流失，也不会替你完成使研究成为纵向研究的跨时间解读。

真正有帮助的方面包括：

• 异步参与。受访者在方便的时候完成一轮，这消除了退出的一个来源：排期协商。
• 一致的方案。每一轮都使用相同的访谈指南和追问规则，当核心问题必须保持可比时尤为有用。
• 更便宜的额外轮次。短时间的回访轮次变得负担得起，从而可以围绕关键事件安排更紧密的间隔。

关于完成率的证据仍然不一。Wuttke 及其同事用 571 名受访者测试了语音、聊天和自由选择三种模式的 AI 对话式访谈，该研究于 2026 年 6 月 18 日发布在 arXiv。完成访谈的受访者对其评价不低于标准化调查，但完成率因模式而异。据我们所知，目前尚无已发表的研究专门检验 AI 主持人在重复的定性轮次中的表现，因此对留存方面的说法应持谨慎态度，并自行衡量。

Qualitati 的定位

Qualitati 是面向大学和研究公司的欧洲定性研究平台，以 GDPR 和数据隐私为核心优先事项。对于纵向研究，相关的功能包括：

• AI 主持的访谈，支持文字或语音，受访者可异步完成。每一轮使用相同的核心指南和固定的受访者编码，并按需添加轮次专属问题。
• 支持 10 种语言的访谈（英语、中文、法语、挪威语、荷兰语、德语、西班牙语、葡萄牙语、日语和阿拉伯语），适用于跨国队列。
• ThemeLens 主题分析，可一次处理多达 100 份访谈记录，适合比较同一轮内或跨轮次的主题。
• QDA Workspace，用于归纳和演绎编码，其编码手册可随着轮次累积而持续维护。

Qualitati 不会替你做变化分析。个案轨迹、前馈问题，以及什么才算变化的判断，仍然是研究者的工作。你可以免费开始，每月赠送 30 积分，无需信用卡，并在为多轮研究编制预算前查看定价。

结论要点

当你的问题关乎变化如何展开，而不仅仅是发生了什么时，请选择纵向定性研究。在田野工作之前规划好轮次、留存和同意。明确一种分析方法，例如轨迹分析、重复横截面分析或纵向主题分析。然后在轮次之间进行分析，让最终的写作真正呈现贯穿时间的变化。

常见问题

纵向定性研究需要多少轮？

至少两轮。许多研究使用三轮或更多，以便看到轨迹，而不只是一次前后差异。合适的数量取决于你所研究的变化需要多长时间展开，以及样本流失的风险。

访谈轮次之间应间隔多久？

围绕你所研究的变化来安排轮次，例如某个事件、治疗里程碑或固定间隔。间隔越长，越能捕捉较慢的变化，但样本流失会上升，受访者也更难与自己之前所说的内容作比较。

轨迹分析与重复横截面分析有什么区别？

轨迹分析贯穿时间追踪同一批个体，以理解他们的经历如何变化。重复横截面分析比较每个时间点的样本，可以容忍队列的变化。Grossoehme 和 Lipstein（2016）对这两种方法都有介绍。

纵向定性研究需要多少受访者？

样本通常较小，因为每位受访者会产生多次访谈。在第一轮多招募一些人以应对样本流失，并用信息力或饱和来论证样本量。参见我们的定性研究样本量指南。

AI 主持的访谈可以用于纵向研究吗？

可以，用于开展各轮访谈。异步的 AI 访谈减轻排期负担，并让各轮的方案保持一致。它们无法防止样本流失，也不会解读变化，而且目前关于 AI 主持人在重复定性轮次中的已发表证据还很少。

日记研究属于纵向定性研究吗？

日记研究是纵向数据收集的一种形式，通常是密集而短期的。它常与研究开始和结束时的访谈结合使用。

总结

纵向定性研究是少数能够呈现意义和实践如何随生活展开而变化、而非事后回顾的方法之一。它的代价是真实的：样本流失、持续的同意和不断增长的数据量。好的设计会在第一轮之前就处理好这些问题。更轻量的轮次执行工具让更多此类研究变得可行，但分析贯穿时间的变化仍然是研究者的贡献。

准备好规划第一轮了吗？免费开始，赠送 30 积分，将 Qualitati 与 NVivo 和 ATLAS.ti 作比较，或阅读我们的半结构化访谈指南来构建核心访谈指南。

最后更新：2026-10-19。

由 Qualitati 研究团队撰写。方法论方面的论断均归于所引用的来源；在将其用于学位论文或出版物之前，请对照您所在学科的标准进行核查。