Tieteellinen lähestymistapa
Kvantitatiivisia tutkimusmenetelmiä pidetään ensisijaisena lähestymistapana akateemisessa tutkimuksessa, ja kvalitatiivisten menetelmien käyttö sallitaan vain harvoin silloin, kun tutkimuskohteita (useimmiten ihmiskohtaloita) ei suostuta kodifioimaan vankaksi analyyttiseksi konstruktioksi. Kuten nimikin kertoo, kvantitatiivinen tutkimus tuottaa lukuja, jotka helpottavat mittaamista, arviointia ja päättelyä.
Hypoteettis-deduktiivinen
Puolustajat väittävät, että kvantitatiivisen tutkimuksen suurin vahvuus on selkeä teoriapohjaisuus: hypoteeseja kehitetään, jotta voidaan testata vakiintuneisiin teorioihin liittyviä muunnelmia, jotta niitä voidaan tarkentaa näiden tunnistettujen muuttujien perusteella. Näin ei todisteta vakiintuneita teorioita, vaan pikemminkin parannetaan niitä lisätietoaineistoilla, jotka tukevat alkuperäisiä tuloksia tai ovat samansuuntaisia niiden kanssa.
Käytettäessä otosjoukkoa, joka voi olla paljon suurempi kuin laadullisessa tutkimuksessa, tiedot voidaan kerätä melko nopeasti kyselytyökaluilla sähköpostitse tai puhelimitse, ja tilastollisten ohjelmistojen saatavuus mahdollistaa tarkan ja täsmällisen tietojen analysoinnin. Mahdollinen tutkimusvirhe rajoittuu tutkimuksen suunnitteluun, kyselytyökalun suunnitteluun ja tietojen tulkintaan, toisin kuin laadullisessa tutkimuksessa esiintyvä laajempi havainnointivirheen riski.
Tilastojen ennustusvoima
Koska kvantitatiivinen tutkimusaineisto toimitetaan numeerisessa muodossa, voimme soveltaa tilastollisia testejä kyseiseen aineistoon tuottaaksemme kuvailevia mittaustuloksia, joita voidaan sitten käyttää ennusteiden tekemiseen sen verran, missä määrin otantapopulaation voidaan katsoa edustavan laajempaa populaatiota. Aloittaen kuvailevista perusmittareista, kuten keskiarvosta, moodista, mediaanista ja keskihajonnasta, voimme luoda perustietokehyksen, ennen kuin siirrymme päättelytesteihin, kuten t-testeihin, ANOVA-analyyseihin ja monimuuttujamittareihin, kuten moninkertaisiin regressiolaskelmiin (MRC).
Se, missä määrin tulokset voidaan sitten yleistää laajemmaksi johtopäätökseksi, riippuu siitä, millaista p-testiä käytetään tietojen tilastollisen pätevyyden määrittämiseen. Edellyttäen, että p-arvo on alle 0,05, todennäköisyys sille, että tiedot ovat sattuman tulosta, on alle 5 prosenttia.
Väärän toistettavuus ja väärät positiiviset tulokset
Kyky rajata tietyt muuttujat hypoteesia kehitettäessä antaa kvantitatiiviselle tutkimukselle luontaisen toistettavuuden. Koska testaat vakiintuneen teorian muunnelmia sen sijaan, että ehdottaisit uutta teoriaa, tutkijoiden, jotka yrittävät validoida tutkimuksesi kaikkien samojen protokollien avulla, pitäisi pystyä toistamaan tuloksesi. Kun näin ei tapahdu, protokollaa tutkitaan sen tarkistamiseksi, että se vastaa alkuperäistä, ja jos se on kunnossa, alkuperäisen tietokokonaisuuden pitäisi olla seuraavana listalla, olettaen tietenkin, että sen tutkimuksen tekijät, jota yrität validoida, ovat halukkaita jakamaan kyseiset tiedot.
Jos alkuperäinen tutkimus perustui väärään positiiviseen tulokseen, jossa data-analyysi tuotti tilastollisen merkitsevyyden jollekin sellaiselle, jota ei todellisuudessa ollut, todennäköisyys pystyä toistamaan nuo tulokset olisi vähäinen tai olematon, ellet pystyisi kartoittamaan tilastollista analyysia vaihe vaiheelta.