论文研究假设
“研究假设（hypothesis）”，特别重要，它连接了理论和数据，是贯穿一篇文章的黄金线。读一篇实证文章的时候，哪怕什么都没看懂，也要把研究假设看懂了，看懂了研究假设也就明白了这篇文章主要是要干嘛。
为什么？
研究假设的本质：一种对于某个问题答案的未经证实的猜测。其实这世界上所有对答案的探索过程都一定要经过“假设”这个过程，当我们给出的某个答案还未经证实，那不就是一种“假设”吗？只不过有很多时候这个假设的过程是隐性的、短暂的、无需被单独列出的、或者不被人意识到的。
而科学研究不同，科学研究里面，你需要严谨和明确的把你要研究的东西明晃晃的亮出来，你需要清清楚楚的分清什么是fact（事实）什么是opinion (观念），什么是hypothesis（假设）什么是tested finding （经证实的发现）, 为此你需要把你的研究假设一是一二是二的写出来在文章里，而且你需要尽量表达到位、用词准确，因为只有这样别人才能知道你后续验证数据的过程做的有没有道理、所设计的方法合不合适、分析结果能不能验证你的假设。所以在实证研究中，我们也就看见了“Hypothesis 1..”, “Hypothesis 2…” 这样的专属于学术研究的东西。
在实证研究中一定要亮出研究假设是为了以下几个目的：
1. 告诉别人你这篇文章要关注的主题是什么（比如，” 喝咖啡喝的越多，小白的头越疼” 这个假设能清楚的告诉别人我要关注的是“为什么小白头疼”）；
2. 告诉别人你有一些别人没想到的能解释这个问题的想法或“变量”（比如“喝咖啡”和“睡得晚”就是解释变量）；
3. 告诉别人你在研究中关注的自变量和因变量分别是什么；
4. 告诉别人假设自变量和因变量两者是怎样的关系（比如正相关、负相关、非线性相关等等）。
定义研究假设？
1. 只讨论了一个变量的假设并不是研究假设。比如，“明天天气会变暖”---这里面只有一个变量，就是“天气”，它没有提出两个变量之间的关系，变暖这个事情是天气的特征值(value)，而不是variable;
2. 研究假设里面要提出自变量和因变量的关系，将自变量和因变量进行“联结”。比如，“明天天气会变暖，明天湿度会特别大”----这里面确实出现了两个变量，然而并没有联结二者的关系，没有用自变量去解释因变量，所以也不是好的研究假设；
3. 好的研究假设里不能只说两个东西相关，还要说他们是怎么相关的。-----比如随着一个变量的增长另一个也增长，这叫正相关；随着一个增长另一个下降，这叫负相关。
4. 研究假设必须可以验证。比如，“喝咖啡越多头越疼”就可以验证；“喝咖啡越多人就越通灵”就无法验证 （至少现在科学界无法验证）。
研究假设的核心是解释“自变量与因变量的关系”
自变量与因变量？
Independent Variable : variable是变量的意思，independent是不依赖的意思，所以independent variable就是谁都不依赖的变量——我自己变我自己的，不管别人变不变，其它变量决定不了我（很任性的）——中文就叫“自变量”了, 其实直译过来就是“不依赖别人的变量”。
Dependent Variable: 再次顾名思义，它需要依赖，需要依赖什么呢？依赖其它变量来变化，否则它自己不知道该怎么变。那具体依赖谁呢？依赖“independent variable”的变化。Independent variable一变，dependent variable一定跟着变，因为它天生就需要依赖才能存在啊。——中文里把它叫做了“因变量”，因着别的变量才知道自己是怎么变，然而英文名直译过来它应该叫“依赖别人的变量”吧？
在验证两个变量之间关系的时候，研究者总是试图通过改变和调试自变量(IV)，来观测因变量(DV)的变化——因为如果因变量随着自变量的变化而变化，那么就说明两者是相关的；至于是如何相关的，则需要进一步利用不同的统计模型来做出判断。
下图展示了研究假设中IV和DV的关系：
一个好的研究假设？
- 清楚说明一个自变量与一个因变量之间是有关联的；
- 清楚地说明自变量和因变量之间是怎样关联的（direction of relationship）；
- 研究假设应该是可以验证的(testable).
读别人文献的时候我们应该培养：
- 重视读懂实证文章里的研究假设；
- 从研究假设中能看得出谁是IV， 谁是DV，以及作者要验证怎样的关系；
- 脑中能勾画出研究假设中变量之间的关系图。