第一类：规范研究法
规范研究法主要回答“应该是什么”（What ought to be）的问题，它不涉及数据的实证检验，而是基于逻辑推理、理论分析和价值判断，来构建理论框架、提出政策建议或进行概念界定。
（图片来源网络，侵删）
特点：
- 非实证性： 不收集和分析实际数据。
- 逻辑演绎： 从普遍接受的公理、理论或原则出发,推导出具体的结论或规范。
- 价值判断： 研究过程中包含研究者对“好”与“坏”、“对”与“错”的判断。
常用方法：
-
文献归纳法：
- 描述： 系统梳理和总结现有文献，对某一理论、概念或制度的历史演变、核心观点、研究现状进行归纳评述。
- 适用场景： 适合用于论文的绪论或理论部分，为后续研究奠定理论基础,本科论文常用此法完成文献综述章节。
- 实例： 《国内外企业社会责任信息披露研究述评》、《会计信息质量相关理论演进研究》。
-
演绎法：
- 描述： 从一个或几个普遍性的前提出发，通过逻辑推理，得出具体的、个别的结论，从“所有企业都应遵循相关性原则”出发，推导出“金融工具的会计处理必须及时反映其价值变动”。
- 适用场景： 构建新的理论模型、提出新的会计准则建议或进行制度设计。
- 实例： 《基于委托代理理论的盈余管理动机分析——从理论到实践推演》。
-
比较研究法：
- 描述： 对不同国家、地区或时期的会计准则、制度、实践等进行对比分析，以揭示异同、分析原因、借鉴经验。
- 适用场景： 国际会计、准则研究、制度分析等领域。
- 实例： 《中美会计准则中收入确认原则的比较研究》、《新《企业会计准则》实施前后的盈余质量比较分析》。
第二类：实证研究法
实证研究法是目前财会领域，尤其是硕士和博士论文的主流，它主要回答“是什么”（What is）的问题，通过收集和分析实际数据来检验理论、变量之间的关系或某个现象的存在性。
（图片来源网络，侵删）
特点：
- 数据驱动： 基于可观察、可测量的数据。
- 客观性： 强调研究的客观性和可重复性,研究者应尽量保持价值中立。
- 假设检验： 通常先提出研究假设,然后通过数据分析来验证或拒绝这些假设。
常用方法：
档案研究法
这是财会实证研究最核心、最常用的方法，它利用企业公开的财务报告、股价、交易数据等“档案”数据进行研究。
- 研究设计类型：
- 事件研究法：
- 描述： 研究某一特定事件（如发布财报、高管变更、政策公告）发生前后，股价或相关市场指标的反应,以评估事件的信息含量或经济影响。
- 适用场景： 市场反应研究、信息含量研究。
- 实例： 《“碳中和”政策公布对高碳行业股价影响的实证研究》。
- 财务指标分析法：
- 描述： 计算和比较一系列财务比率（如盈利能力、偿债能力、营运能力）,来分析企业的财务状况和经营绩效。
- 适用场景： 企业绩效评价、财务困境预警。
- 实例： 《研发投入对企业盈利能力影响的实证分析——基于A股制造业上市公司数据》。
- 回归分析：
- 描述： 这是档案研究的核心工具，通过建立回归模型，检验一个或多个自变量（如公司治理、股权结构）对因变量（如企业价值、审计质量）的影响。
- 适用场景： 几乎所有涉及变量间关系的实证研究。
- 实例： （经典模型）
- Valuation Model (估值模型):
Tobin's Q = α + β1*ROA + β2*Size + β3*Lev + ε(检验企业绩效对企业价值的影响) - Earnings Management Model (盈余管理模型): 使用修正的Jones模型来估计可操控性应计利润。
- Corporate Governance Model (公司治理模型):
ROA = α + β1*Indep + β2*Duality + ε(检验董事会独立性和两职合一对业绩的影响)
- Valuation Model (估值模型):
- 事件研究法：
问卷调查法
通过设计问卷，向特定人群（如CFO、投资者、会计人员）收集一手数据，以了解他们的态度、看法、行为或认知。
- 适用场景： 当研究问题涉及人的主观认知、行为意向或难以从公开数据中获取的信息时。
- 实例： 《CFO对IFRS在中国应用的认知与态度研究》、《机构投资者关注企业环境、社会及治理表现吗？——基于问卷调查的实证分析》。
案例研究法
对一个或少数几个“案例”（如一个公司、一次并购案、一项准则改革）进行深入、全面的分析,以揭示复杂现象背后的深层机制和动态过程。
- 适用场景： 探索性研究、回答“如何”（How）和“为什么”（Why）的问题,尤其适合研究独特或新出现的现象。
- 实例： 《瑞幸咖啡财务造假事件的案例研究——基于舞弊三角理论》、《海天味业“双标”争议事件中的危机公关与投资者沟通研究》。
实验研究法
在受控环境中，通过操纵一个或多个自变量，观察其对因变量的影响,从而确定因果关系。
（图片来源网络，侵删）
- 适用场景： 在财会领域相对较少，但常用于行为会计研究，可以用来检验人的决策行为受特定因素（如信息呈现方式、激励）的影响。
- 实例： 《不同盈余披露方式对投资者决策影响的实验研究》、《CEO过度自信与企业投资决策的实验研究》。
第三类：混合研究法
混合研究法是将定量研究（如实证研究）和定性研究（如案例研究、访谈）结合起来，发挥各自优势，使研究结论更加全面、深刻和可靠。
特点：
- 互补性： 定量数据可以揭示“是什么”和“在多大程度上”，定性数据则可以解释“为什么”和“怎么样”。
- 多维度： 从不同角度验证和深化研究结论。
常用模式：
- 解释性序列设计： 先进行定量研究（如问卷调查），发现显著关系后，再通过定性研究（如深度访谈）来解释背后的原因。
- 探索性序列设计： 先通过定性研究（如案例探索）形成初步假设或理论框架,再用定量研究进行大样本检验。
- 并行三角验证： 同时进行定量和定性研究，最后将结果进行比较,以相互验证。
实例：
《数字化转型对企业绩效的影响研究——基于A股上市公司的定量分析与企业管理者的深度访谈》
- 定量部分： 用回归分析检验数字化投入与企业绩效的关系。
- 定性部分： 访谈CFO，了解企业实施数字化面临的挑战、具体路径和实际效果,解释定量结果背后的深层原因。
第四类：其他研究方法
这些方法通常作为辅助方法或特定领域的研究方法。
- 数学建模法： 使用数学语言（如微积分、概率论、优化理论）来构建复杂的财务或会计模型，用于衍生品定价、风险管理等。
- 实例： 《基于Black-Scholes模型的期权定价实证研究》。
- 数据分析与数据挖掘： 利用Python、R、SQL等工具，对海量数据进行处理、分析和挖掘，发现其中的模式、关联或异常。
- 实例： 《基于机器学习的上市公司财务舞弊识别模型研究》。
如何选择研究方法？
- 明确研究问题： 你的核心问题是什么？是“是什么”（实证）、“为什么”（案例/访谈）、还是“应该是什么”（规范）？
- 考虑数据可得性： 你能获取到研究所需的数据吗？公开数据（CSMAR、Wind）适合档案研究；企业内部数据或特定人群需要问卷调查或访谈。
- 评估自身能力： 你是否掌握相应的数据分析软件（如Stata, SPSS, Python）和统计知识？本科阶段可能更适合规范研究或简单的描述性统计。
- 参考已有文献： 查阅与你选题相关的优秀论文，看看他们采用了什么方法,这能给你很好的启发。
| 研究大类 | 核心方法 | 回答的问题 | 优点 | 缺点 |
|---|---|---|---|---|
| 规范研究 | 文献归纳、演绎、比较 | 应该是什么？ | 逻辑严谨，能构建理论体系 | 缺乏事实依据，主观性强 |
| 实证研究 | 档案研究、问卷、案例、实验 | 是什么？ | 客观可信，基于数据，能检验假设 | 可能存在内生性问题，数据质量要求高 |
| 混合研究 | 定量+定性 | 更全面、深入地回答问题 | 结论更丰富、可靠 | 研究设计复杂，对研究者能力要求高 |
希望这份详细的梳理能帮助你找到最适合自己财会论文的研究方法！
