社會科學的學術研究，常得到很不同的結果。即使是像醫學這樣的學科，我們可能會設想，研究中測試的介入措施，與那個措施的結果，這兩者之間有直接而明確的關係，但其實，各個研究結果很不一樣；不過，許多人認為社會科學的情況更糟。這是因為，介入措施與它的結果之間的關係，可能取決於多種因素，而不同的情境或執行方式，也會對研究結果造成重大影響。

還有其他原因，讓研究可能產生不同的效應。舉個例子，隨機誤差（chance error）就可能影響研究結果。研究人員也可能有意識、或是潛意識讓結果產生偏誤。所有這些變異的來源，都可能導致我們擔心造成心理學或其他商業相關社會科學中的「可重複性危機」（replication crisis；編按：指研究結果難以經後續重複驗證的危機）。既然有這些變異，我們該如何運用證據？

最直接的答案，就是別過度相信任何一項研究。如果可以，就盡可能找出統整多項研究結果的整合分析（meta-analysis）或系統性文獻回顧，因為他們提供更有可信度的證據，有時也會提出可能的原因，來說明研究結果為何會有差異。

若要衡量某項研究與它的結果有多麼重要，記得注意它的樣本數。如果樣本數不大，研究就特別難重複驗證。最正面和最負面的結果，通常都出現在樣本數最小，或是信賴區間最廣的研究。較小型的研究比較可能無法重複驗證，部分是因為機遇；但隨著樣本數增加，效應也可能變小，這有幾個原因。如果研究是在測試一項介入措施，可能會因為產能限制，無法執行高品質的大規模研究。例如，如果要測試一項訓練計畫，你可能不需要雇用任何全職人員來執行；但若要擴展這項計畫，就可能會需要聘雇新的人員，而他們可能不會執行得一樣好。

較小型的研究，常也會只針對能產生最大效應的樣本來進行。這是有道理的：如果你的介入措施耗資甚大，只能分配給少數人，可能會將人員分級，並把介入措施分配用於當中最能受益的人。但這就表示，如果你在較大的群體裡實行這項介入措施，效應可能會比較小。更廣泛來說，一個有幫助的做法，就是思考若是這項介入措施擴大實施規模，情況可能會有哪些不同。例如，小規模的介入措施，不可能影響廣大的市場，但如果擴大那項措施的規模，競爭對手或法規監管機構可能會跟著改變行為來因應。

同樣地，也要考慮樣本、情境與執行的獨特性。為何研究人員要研究這些人、公司或產品？你預期這個樣本的表現，會比你有興趣的樣本表現得更好或更差？環境也可能影響結果。研究環境當中是否有任何特別的情況，可能讓效應更明顯？

如果研究是在評估一項介入措施，執行那項措施的方式就非常重要。例如，假定你聽說發送提醒訊息可以改善赴約情形。你如果正在考慮安裝一個提醒系統，可能就需要知道研究人員發送訊息的頻率，以及訊息的內容，才能評估你是否可能會得到不同的結果。

如果一項研究有某個能說明因果關係的明確機制，可以解釋研究發現，而且在不同環境下都成立，你或許就能對那項研究的結果有更多信心。例如，行為經濟學的某些結果顯示，人類的某些行為是本能。可惜這些機制很難發現，而且有許多行為經濟學實驗，最初似乎發現了某個本能原則，但後來無法重複驗證，例如，有研究發現幸福感會提升耐心。但如果有具說服力的理由，讓我們認為也許可以再度看到某項研究之前發現的結果，或者，如果有理論上的強力理由，讓我們認為也許可以擴大類推某個特定結果，就能讓我們更相信這個研究結果。

最後，如果研究結果聽起來太美好而不真實，那它可能的確如此。這聽起來可能是陳腔濫調，卻是根據貝葉斯統計（Bayesian statistics）的一項原則：較奇怪的主張，就需要更強力的證據，才能改變一個人的信念或「先驗」（prior，指先前的信念）。如果認真看待我們先前信念（我們有理由相信，人類一般來說很擅長做出各式各樣的預測），那麼看起來不太可能的結果，的確不太可能是真的。換句話說，假使一項結果的統計顯著性，或是一項研究的統計檢定力（power）維持不變，我們在聽到新證據之前，覺得這項結果為真的可能性有多高，就會決定這項結果「假陽性」或「假陰性」的機率。

這篇文章強調運用多項研究的重要性，而不要太仰賴任何單一研究。但如果沒有這麼多研究，怎麼辦？如果碰到這種情形，你也許可以參考證據的其他來源，例如其他人的建議或預測。就像社會科學研究一樣，你可能會得到許多互相衝突的建議，但整合多項預測通常都相當準確。然而，你應確保消息來源不是根據同樣的資訊；研究發現，人們很容易「忽略相關性」，因此當許多專家或新聞媒體根據同樣的研究做出報告或報導，人們會誤以為這些是獨立的資訊來源，最終太過相信這項研究的結果。

總之，應整合運用你的經驗和證據，但也要小心，別對你自己的評估過度自信。儘管結果會有不同，但對大多數人來說，更重視證據還是比較有利。

（游樂融譯）