纵向定性研究：设计、轮次规划与分析方法（2026）

Qualitati 研究团队 · 2026-10-19 · 13 分钟阅读

简短回答：纵向定性研究（QLR）考察人们的经历、意义和实践如何随时间变化。它通过在两轮或更多轮中访谈或观察同一批受访者来实现。分析随后沿两个方向展开：在每个时间点上跨个案比较，以及在每个个案内部贯穿时间追踪。轨迹分析、重复横截面分析和纵向主题分析是主要的分析选项。

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。