案例选得不合适，这在案例研究类论文里几乎是通病了。我自己看论文的时候，也习惯先问那句评审人最爱问的话：这个案例凭什么典型？作者要是答不上来，写得再花哨也立不住。典型性和代表性，到底该怎么保障？

这两个概念得先掰开。典型性说的是案例能不能把研究的现象或机制集中展现出来，问题的各个侧面能不能充分呈现；代表性关心的则是另一回事，案例在总体里处在什么位置，从它身上得出的结论能不能推及同类对象。写单案例的论文，典型性是重心；做多案例比较，代表性就躲不开了。侧重不同，选法的路子自然也不同。

典型性从哪来？我的体会是，从案例与研究问题的契合度上来。比如研究数字化转型为什么失败，那就要找一家转型受挫的企业，随手挑一家风光的明星公司算怎么回事？案例跟问题对得上，材料才挖得深。可偏偏不少作者选案例图省事，手头有门路、数据好拿就定了。方便归方便，案例和研究问题挂不上钩，材料堆得再多也是白搭，这亏我见过太多人吃过。

代表性怎么建立？得靠抽样逻辑撑着。常见的路数有这么几种：按关键特征分层，规模大的小的、东部西部的、转型早的晚的各选一家；或者干脆选个平均水平上的对象，避开极端。选之前先想清楚总体是什么，总体定的是民营制造企业，案例就得从这里头出。跳出总体去选，推广的链条当场就断了。

数量怎么拿捏？没有死规矩，但有些基本共识。单案例就得挑信息特别厚的对象，材料薄了，一整篇论文撑不起来。多案例一般三到六个比较常见，少于三个，横向比较没什么力度；多到七八个往上，哪一个都写不透，反而两头落空。还有一点容易被忽略，案例之间的差异度。清一色选同类企业，比较还有什么意义？差异拉开，机制才比得出来。

极端案例能不能用？能用，而且常常很值钱，前提是把选它的理由讲明白。研究失败教训，选一个典型的失败者，逻辑上完全站得住。麻烦在于，作者得在方法部分交代清楚这是理论抽样，不是随机抽样，结论的适用边界也要相应收着说。什么都不交代就上一个极端案例，评审人第一个质疑的就是：你这结论还能推广吗？