科学方法（Scientific method）是一种系统性的、基于实证的探究与知识构建过程，用于观察、描述、解释和预测自然现象。其核心包括提出可测试的假设、通过控制实验或观察收集数据、分析结果并得出结论，以及通过同行评审与重复验证来确保可靠性。科学方法强调可重复性、可证伪性和怀疑精神，是现代自然科学、社会科学乃至部分人文学科知识发展的基石。
1.1 古代与中世纪的思想渊源
1.1.1 亚里士多德的演绎逻辑
古希腊哲学家亚里士多德建立了形式逻辑体系，尤其是三段论推理，成为早期科学推理的重要工具。他认为科学知识应当从自明的第一原理出发，通过演绎推理得出必然结论。这一框架虽然强调逻辑严密性，但过于依赖先验前提，缺乏对经验观察的重视。亚里士多德对生物学和物理学的观察记录也为后世提供了大量原始数据，但其方法仍然以定性描述和直觉分类为主。
1.1.2 伊斯兰黄金时代的实验传统
8至13世纪，伊斯兰世界的学者在吸收古希腊典籍的基础上，发展了更强调实验验证的学术传统。波斯学者伊本·海赛姆（Alhazen）在光学研究中明确提出了“假设-实验-验证”的循环，被认为是实验方法的先驱。他通过控制变量和重复实验来检验视觉理论，强调“知识必须建立在经验与理性证据之上”。这一时期还出现了早期的定量测量、系统分类和药物临床试验，为欧洲后来的科学复兴奠定了基础。
1.2 科学革命与近代方法的确立
1.2.1 培根的归纳法
17世纪初，英国哲学家弗朗西斯·培根在其《新工具》中系统批判了亚里士多德的演绎逻辑，提出了以归纳推理为主的科学方法。他主张科学家应当通过大量系统的观察和实验收集事实，然后通过逐步归纳得出普遍原理。培根强调“清除假象”（种族假象、洞穴假象等），避免主观偏见干扰观察。尽管他低估了数学和假设在科学中的作用，但其对经验证据和系统分类的倡导，深刻影响了英国皇家学会的建立和实验科学的制度化。
1.2.2 伽利略的数学-实验方法
伽利略·伽利莱被公认为“近代科学之父”，他首次将数学分析与受控实验紧密结合。在落体运动和斜面实验中，伽利略不是单纯记录观察，而是通过数学推导出定量关系（如自由落体距离与时间平方成正比），再以精心设计的实验加以验证。他引入的思想实验（如设想两个绑在一起不同重量的球）也体现了逻辑推理的重要性。伽利略的方法论——将自然语言翻译为数学语言，并依赖可重复的实验检验——成为现代科学方法的基本范式。
1.2.3 牛顿的综合与《自然哲学的数学原理》
艾萨克·牛顿在伽利略和开普勒的基础上，完成了科学方法论的综合。他的《自然哲学的数学原理》确立了以公理化的数学表述、可检验的预言和广泛的经验验证为核心的研究范式。牛顿的四条“哲学推理法则”强调“简洁性”“统一性”和“对原因的限制”，主张不应接受超出解释现象所需的额外原因。他提出的万有引力定律不仅解释了天上（行星运动）与地上（苹果落地）的现象，还通过数学预言（如彗星轨道）获得了后续观测的证实，成为科学方法成功应用的经典范例。
1.3 20世纪以来的方法论反思
1.3.1 逻辑实证主义与可证实原则
20世纪初，维也纳学派提出了逻辑实证主义，主张科学知识必须建立在“可证实”的经验事实上。他们认为有意义的命题只有两类：分析命题（逻辑与数学真理）和综合命题（可经验验证的事实陈述）。形而上学、伦理学等陈述因无法通过经验验证而被视为无意义的伪命题。这一思潮推动了对科学语言精确化和理论结构公理化的追求，但也因为过度严格的可证实标准而受到批评——许多科学定律（如全称命题）无法被有限次观察完全证实。
1.3.2 波普尔的证伪主义
卡尔·波普尔针对逻辑实证主义的可证实困境，提出了证伪主义（falsificationism）。他认为科学理论的特质不是可证实，而是可证伪——即存在一个可能的观察或实验能够表明该理论是错的。一个理论越是能够做出危险的、容易被证伪的预言，其科学性就越强。例如，“所有天鹅都是白的”可以被一只黑天鹅证伪，而“某些天鹅是白的”则无法证伪且非科学。波普尔强调，科学进步就是不断提出可证伪的假说，接受检验，然后被证伪后由更好的理论取代。这一观点深刻影响了科学哲学和实践，但也因为过于简化（现实中的理论在被证伪后往往不会被立即抛弃，而是被修正）而受到后续学者的修正。
1.3.3 库恩的范式革命与科学共同体
托马斯·库恩在其《科学革命的结构》中挑战了波普尔的线性进步观。他认为科学的发展并非连续累积或单一理论的证伪过程，而是通过“范式”的转换来实现。范式是某一科学共同体在特定时期内共同接受的理论框架、方法论标准和研究范例（如牛顿力学范式、爱因斯坦相对论范式）。科学在常规科学时期主要是在范式内解答谜题（“解难题”活动），只有当反常现象积累到无法被现有范式容纳时，才会爆发科学革命——即新旧范式的替换。库恩强调科学方法不是一套超越时代的固定规则，而是嵌入于特定历史时期和共同体共识中的动态实践。
2.1 观察与提出疑问
科学方法始于对外部世界的系统观察。观察可以是偶然发现（如弗莱明发现青霉素），也可以是针对某一现象的有意调查（如为什么木星有卫星？）。在观察过程中，研究者需要记录细节、排除干扰因素，并明确研究的核心问题。优秀的研究问题应当是：聚焦且可操作（例如，“光照时长是否影响拟南芥开花时间？”而非“植物为什么生长？”），并且具有潜在的可检验性。
2.2 文献回顾与构建假设
在提出问题后，研究者需要回顾已有文献，了解前人对此问题已有的发现和理论。这一步骤有助于避免重复研究、识别知识空白、并借鉴已有的方法论工具。基于文献和研究者的推测，构建出正式的研究假设——一个关于变量之间关系的可检验陈述。
2.2.1 零假设与备择假设
在统计检验框架中，研究人员同时设定两个相互对立的假设：
- 零假设（H₀）：通常表示“没有差异”或“没有效应”，即变量间不存在预期关系。例如，“服用新药后患者的康复率与安慰剂无差异”。
- 备择假设（H₁）：与零假设相反，表示存在差异或效应。例如，“服用新药后患者的康复率高于安慰剂”。
实验的目的是收集证据来拒绝零假设（在预设的显著性水平下），从而支持备择假设。这种方法确保了结论建立在概率统计的基础上，避免主观倾向。
2.2.2 操作性定义
为了让假设能够被精确检验，每个变量必须给出操作性定义——即根据测量或操作过程来定义概念。例如，“智力”不能笼统定义为“聪明”，而应定义为“在韦氏智力量表上得分的总和”；“疼痛程度”可定义为“患者自评的1-10数值评分”。操作性定义使得研究结果可以被其他研究者独立重复和比较。
2.3 实验设计与数据收集
实验是科学方法中验证假设的核心工具。设计阶段需明确：自变量（研究者操纵的因素）、因变量（被测量以观察变化的指标）、控制变量（需保持恒定的其他因素），以及实验组和对照组的设置。
2.3.1 控制变量法
控制变量法的思想是：在比较两个或多个条件时，除自变量外所有其他条件应当尽量保持一致。例如，假设要研究不同种类肥料对番茄产量的影响，则实验组和对照组的番茄品种、土壤、水分、光照、种植密度等都应当相同。只有这样才能排除其他因素的干扰，确保观察到的差异确实来自肥料。控制变量的数目可能很大，研究者需要根据常识和预实验确定哪些是关键变量。
2.3.2 随机化与盲法
为了防止主观偏见对实验结果的干扰，设计上常引入随机化和盲法：
- 随机化：将实验对象随机分配到各处理组。例如，在药物试验中，使用随机数表决定患者进入治疗组还是安慰剂组，以避免分组偏差（如重病患者都被分到治疗组）。
- 盲法：分为单盲（被试不知道自己属于哪一组）和双盲（被试和实验操作者都不知道分组情况）两种。双盲设计能同时避免被试的期望效应和实验者的暗示效应，在医学和心理学领域尤其重要。
2.3.3 样本量确定
样本量的大小直接影响统计结论的可靠性和泛化能力。样本过小可能导致假阴性（未能检测出真实效应），样本过大会浪费资源并可能将微小的、无实际意义的差异判断为显著。研究者通常在实验前进行功效分析（power analysis），设定预期的效应量、显著性水平（α，通常为0.05）和统计功效（1-β，通常为0.80），从而估算所需样本量。此外，随机抽样则保证了样本能够代表总体。
2.4 数据分析与解释
收集原始数据后，需要用适当的统计方法进行整理和检验，以便从数据中提取有意义的结论。
2.4.1 描述性统计与推断统计
- 描述性统计：用均值、中位数、标准差、频数分布、图表等手段，简洁地描述数据的基本特征。例如，报告“实验组平均反应时间比对照组快200毫秒”，并附上误差线。
- 推断统计：基于样本数据推断总体参数或检验假设，包括t检验、方差分析（ANOVA）、卡方检验、回归分析等。推断统计会计算出“p值”——在零假设为真的前提下，观察到当前结果或更极端结果的概率。若p值小于预设的显著性水平（如0.05），则可以认为结果在统计上显著，并拒绝零假设。
2.4.2 相关性 vs 因果关系
在数据分析中，需要严格区分相关关系和因果关系。两个变量之间的统计相关性（如冰淇淋销量与溺水事故数量同时增加）并不代表一个导致了另一个，可能是因为第三个变量（如夏季高温）同时影响了二者。确立因果关系通常需要：① 时序在先（原因发生在结果之前）；② 协变关系（因果变量变化时结果随之变化）；③ 排除其他可能解释（通过随机对照实验实现）。观察性研究可以提示相关关系，但只有经过严格控制的实验才能建立起因果关系。
2.5 得出结论与发表
在完成数据分析之后，研究者需要回到最初的假设，判断是否接受备择假设、是否拒绝零假设，并阐述结果的含义。结论部分应当：
- 清楚说明结果是否支持假设。
- 讨论结果在现有理论框架中的位置（与已有研究一致还是矛盾）。
- 指出研究的局限性（如样本代表性不足、变量控制不完全）。
- 提出未来研究的方向或应用价值。
最后，研究结果通常以学术论文、报告或会议演讲的形式发表。发表前需要经过同行评审，由领域内其他专家匿名评估研究的价值、方法的合理性和结论的可靠性。
2.6 重复与验证
科学结论不是一次实验就能确定的。重复验证是保障科学知识可靠性的关键机制。
2.6.1 内部重复
内部重复指在同一个研究项目内部对结果进行确认。例如，同一个实验由同一组研究人员重复多次（如多轮试验），确保结果不是偶然的偏差。在生物学实验中，通常要求至少3次独立的重复试验，数据才能被接受。
2.6.2 外部重复与元分析
外部重复是指由其他独立实验室或研究人员，使用相同（或略有不同）的方法，在新的样本和条件下重复原始研究，以检验结论的稳健性和一般性。如果多个独立研究都得到一致的结论，那么该结论的可信度就会显著提高。元分析（meta-analysis）是一种系统性的定量统计方法，通过合并多个独立研究的效应量，得出更可靠的总体估计，识别研究间的异质性，并揭示潜在的影响因素。
3.1 可重复性
可重复性是科学方法的基石。如果一个研究结果无法被其他独立研究者使用相同的方法和条件再次观察到，那么该结论就不能被视为可靠的科学知识。可重复性要求研究者公开其材料、仪器、程序、原始数据和统计分析代码，以便他人进行独立检验。近年来心理学、遗传学等领域的“可重复性危机”促使科学界更加重视预注册（预先登记研究方案）和开放数据等实践。
3.2 可证伪性
根据波普尔的观点，一个科学假说或理论必须能够被经验事实所反驳，即存在一种观察或实验可以表明该理论是错误的。如果一个命题无论观察到什么情况都无法被推翻（例如“宇宙中有看不见的精灵”或“明天可能下雨也可能不下”），则它不属于科学范畴。可证伪性确保了科学理论是“有风险的”、“有内容”的，而不是泛泛而谈的套话。一个理论越容易被证伪但未被证伪，其科学性就越强。
3.3 客观性与怀疑精神
科学方法要求研究者尽量排除个人情感、信仰、利益和先入为主的观念对观察和推理的干扰。这通过规范化流程实现：使用精心校准的仪器、采用双盲设计、遵守统计规范、公开数据和代码、接受同行评议等。同时，科学共同体内部鼓励“有组织的怀疑主义”——对所有结论保持合理的怀疑，直到获得充分一致的证据。即使是权威或经典理论，也必须接受新证据的挑战。
3.4 量化与数学化
从伽利略时代开始，量化测量和数学表达就成为科学方法的标志。将物理、生物或心理现象转化为可测量的数字（如长度、时间、质量、温度、反应时、基因表达量等），使得数据分析可以采用精确的数学工具——包括概率论、微分方程、线性代数等。数学化让科学理论变得精确、可预测和可演绎推导（如用F=ma预测物体运动），同时也有助于发现隐藏在复杂现象背后的规律。
3.5 可复制性危机与开放科学
进入21世纪后，多个领域（特别是在心理学、医学、社会科学）发现大量已发表的研究结果无法被独立重复。原因包括：不当使用统计工具（如p值“黑客”）、样本量过小、发表偏倚（只发表显著结果）、伪造数据等。这被称为“可复制性危机”。作为回应，科学界提出了“开放科学”运动，倡导研究前的注册（包括详细计划和分析方案）、公开原始数据与代码、鼓励进行直接重复研究、采用更大的样本量和更严格的统计标准（如将p值阈值从0.05调整到0.005）。这些改革旨在恢复科学方法中可重复性的核心地位。
4.1 科学方法的误用
4.1.1 确认偏误与数据挖掘
确认偏误是指人们倾向于寻找、解释并记住支持自己已有信念的证据，同时忽略或贬低与之相矛盾的信息。在科学研究中，这种偏误可能表现为：仅报告与假设一致的数据、故意遗漏异常值、在事后选择性地调整分析策略以得到“正确”结果。数据挖掘（p-hacking）则是从一个数据集中进行大量重复统计检验，直到偶然发现显著结果，然后再假装该假设是研究之初就提出的。这种做法严重违背了科学方法的精神，导致了大量虚假阳性发现。
4.1.2 统计显著性 p 值滥用
p值曾被视为衡量研究是否“有效”的黄金标准，但实际使用中存在严重滥用：将p值>0.05简单地视为“无效应”，忽视效应量大小和置信区间；将p值<0.05视为“结论确定”，而忽略研究样本量小、随机误差大、多重检验未校正等因素。美国统计学会在2016年发布了明确声明，指出p值不能衡量假设为真的概率，也不能代表效应大小或结论的重要性。最佳实践要求报告效应量与置信区间，并考虑对结果进行敏感性分析。
4.2 无法涉及的问题
4.2.1 伦理与价值判断
科学方法能够告诉我们“是什么”和“如何做”，但无法回答“应该是什么”或“值不值得做”这类规范性、伦理性问题。例如，科学可以研究克隆技术的生物机制（事实层面），但无法决定克隆人是否道德（价值层面）。同样，科学可以评估不同政策的经济、环境效果，但无法告诉我们应该优先选择什么价值（如效率还是公平）。伦理判断和价值观需要依靠哲学、宗教、法律和文化来讨论，科学方法并不适用于这个领域。
4.2.2 超自然与不可检验命题
如果某个命题在原则上无法被经验观测或实验检验，那么它就不在科学方法的适用范围之内。例如，关于“上帝的存在”或“灵魂转世”的断言，由于其超自然性，无法设计出所有人公认的检验实验（即使存在，也无法证伪）。同样，声称“无形的魔法茶壶在绕火星公转”虽然听起来像是一句科学陈述，但因为缺乏可操作的检验手段，它实际上是一个非科学的声明。科学并不否认这些命题的存在，但明确表示科学方法无法对它们做出判断。
4.3 科学方法的自我修正机制
尽管存在种种误用和局限，科学方法最重要的特征之一是其自我修正能力。当错误或虚假结论被发表后，后续研究如果无法重复该结论，或提出更合理的解释，科学共同体会通过发表质疑、进行元分析、召开研讨会等方式逐步识别并抛弃错误结论。与独断论或教条不同，科学方法从来不宣称绝对真理，它只是提供一套由概率和证据驱动的、不断逼近真实的过程。这种“通过错误学习”的机制，使科学方法成为人类历史上最可靠的知识生产工具。
5.1 社会科学
5.1.1 调查与准实验
在社会科学（如经济学、心理学、政治学）中，由于无法像自然科学那样对群体进行完全控制和随机分配，研究者广泛采用调查研究和准实验设计。调查利用抽样和问卷收集大量样本的数据，然后应用统计方法控制协变量，分析变量间的关联。准实验设计则利用自然发生的分组（如不同政策实施前后、不同地区的法规差异），通过倾向评分匹配、差分法（difference-in-differences）等技术来模拟因果推断。尽管缺乏完全的随机分组，这些方法仍然遵循科学方法的基本逻辑：提出假设、收集经验数据、通过统计推理得出结论。
5.1.2 定性研究的效度问题
定性研究（如参与观察、深度访谈、案例研究）不依赖统计检验，而是通过深入理解社会情境来构建解释。它同样适用科学方法中一些核心原则，如系统性的数据收集（记录访谈脚本、建立编码系统）、透明的研究过程（详细说明研究者立场和分析策略）、以及进行的“三角验证”——使用多种数据来源或多种视角来相互印证结论。定性研究面临的挑战是确保其“内部效度”（解释是否合理）和“外部效度”（结论能否推广到其他情境）。为此，研究者常常进行长时间田野调查、与参与者交流反馈、并公开原始数据和解释过程，以支持其结论的可信度。
5.2 医学与临床研究
5.2.1 随机对照试验（RCT）
随机对照试验被认为是临床研究中的“金标准”。其核心设计是：将符合条件的患者随机分为治疗组（接受实验疗法）和对照组（接受标准疗法或安慰剂），然后在一定时间内比较两组之间预定的临床终点（如存活率、症状改善率）的差异。随机化和盲法（特别是双盲）消除了大多数偏差来源。RCT遵循了科学方法的所有基本步骤：提出假设（如“新药比现有药更有效”）、控制变量（除治疗方式外，所有其他治疗和环境条件保持一致）、重复验证（多中心的RCT）、以及考虑统计推断的可靠性和效应量大小。RCT的结论是循证医学决策的基础。
5.2.2 循证医学
循证医学是指临床决策应当基于当前最佳可获得的科学研究证据，同时结合医生的临床经验及患者的价值观和偏好。它强调系统地搜索、批判性评估和整合来自临床研究的证据（尤其是RCT和元分析结果），而不是仅凭经验或权威意见做出治疗决策。循证医学的实践遵循科学方法的逻辑：提出问题（PICO格式：患者、干预、比较、结局）、查找并评价证据、应用证据到具体病例（考虑患者情况和偏好），并评估效果。这一范式将科学方法直接延伸到临床实践，显著提高了医学治疗的有效性和安全性。
5.3 工程与计算机科学
5.3.1 A/B测试
A/B测试（也称在线对照实验或拆分测试）是互联网公司和产品团队广泛使用的一种工程化科学方法。其操作流程是：将用户随机分成A组（控制组）和B组（实验组），向A组展示现有版本（如网页布局或算法），向B组展示新版本，然后比较两组在预定义指标（如点击率、转化率、停留时间）上的差异。A/B测试遵循随机对照实验的逻辑，可以有效评估产品改进的效果，减少基于直觉或推测的错误决策。与此同时，A/B测试也需要考虑样本量、统计功效、多重比较校正等问题，以保证结论的可靠性。
5.3.2 大数据与相关性方法
随着大数据时代的到来，计算机科学和工程领域逐渐发展出另一种探索模式：利用海量数据和机器学习算法，快速发现变量之间的模式和相关关系。这种方法虽然不依赖预先提出的假设（即“无假设分析”），但它仍然属于科学方法的框架内：数据收集（大规模、无偏的数据采集）、模式识别（通过统计或机器学习模型）、验证（比如将数据集分为训练集和测试集以检验模型性能）。不过，这种方法容易陷入“虚假相关”的陷阱，而且从中提取的模型往往难以解释因果关系（例如，可以通过点击记录预测某人是否患有某种疾病，但并不意味着点击行为导致了疾病）。因此，大数据相关性方法需要与传统假设驱动的科学方法结合，才能产生可靠的知识。
6.1 方法论一元论 vs 多元论
一个长期存在的争议是：是否存在唯一且普遍适用的“科学方法”？方法论一元论（以逻辑实证主义和波普尔为代表）认为，所有科学都应当共享相同的基本原则（如可验证性、可重复性）。而方法论多元论（受库恩、费耶阿本德等启发）则认为，不同学科、不同历史时期甚至不同研究问题，可能需要截然不同的方法。例如，物理学中的数学演绎与古生物学中的化石比较、量子力学中的统计解释与进化生物学中的历史叙事之间差异巨大。费耶阿本德甚至提出“方法论无政府主义”——任何固定规则都可能阻碍科学发展。目前的主流看法是：虽然存在一套宽泛的核心原则，但具体的操作步骤和方法工具应当根据研究对象和情境灵活调整。
6.2 科学方法是否适用于所有学科？
这一问题与上一点紧密相关。在自然科学（如物理、化学、生物学）中，科学方法取得了显著的成功，但在涉及人类主体时，学科的方法论争议更为激烈。一些人文学科（如文学研究、哲学）认为“理解”和“解释”而非“预测”和“控制”才是其核心目标，因此不能简单地套用自然科学的方法。社会科学内部也存在分歧：实证主义路径（如行为经济学、定量社会学）倾向于使用科学方法，而批判理论、建构主义等路径则质疑科学方法的客观性和价值中立性。近年来，跨学科研究（如计算社会科学、数字人文）正在尝试将科学方法的元素（如大数据分析、随机对照实验）引入传统的人文社会科学领域，但其适用范围仍在讨论之中。
6.3 公众对科学方法的误解（“科学主义”与反科学）
在公众讨论中，科学方法常常被两个极端误解。一是“科学主义”——将科学方法奉为万能的、唯一正确的知识工具，而且拒绝其他形式的认知价值（如艺术、宗教、传统智慧）。这种态度无视科学方法的局限性和自我修正机制，可能导致独断和教条。二是反科学——不相信科学方法的可靠性，认为科学研究只是另一种“利益集团操纵的叙事”。反科学思潮常见于气候变化否认论、反疫苗运动和替代医学领域。这种观点忽视了科学方法通过公开验证和自我纠偏积累的知识成果。真正的科学精神是在承认自身局限性的同时，保持对证据和理性的追求，既不神化也不否定科学方法的作用。理解科学方法的基本原理、适用范围和固有局限，正是消除这两种误解的关键。