Skip to content
検索結果に戻る

因果比較研究 — 後ろ向き群比較デザイン

提唱者
Fred N. Kerlinger
年
1964
種類
Non-experimental quantitative research design
系統
Survey / observational design

この文章は機械翻訳で、まだ確認されていません。 英語の原文を読む

文字サイズ

何をする手法か?

因果比較研究は、研究者が操作しなかった独立変数において既に差異が存在する2つ以上の群を比較し、その差異の可能な原因または結果を調査する非実験的量的デザインである。群メンバーシップはランダムに割り当てられるのではなく、事前に存在するものであるため、このデザインは因果関係を示唆することはできるが、真の実験ほどの確実性でそれを確立することはできない。実験的操作が非現実的または非倫理的な場合に、教育、心理学、社会科学で広く使用されている。

手法の背後にある直感

例えば、親の喫煙が子供の肺活量に影響するかどうかを知りたいとしよう。子供たちを喫煙世帯または非喫煙世帯にランダムに割り当てることはできないため、代わりに、親が既に喫煙しているか否かの子供たちの群を特定し、彼らの肺機能を比較する。これが因果比較研究の論理である。「原因」は既に実世界で発生しており、結果における差異と関連しているかどうかを遡って調べているのである。このデザインは構造的には実験に似ている(群、測定された結果、比較)が、因果関係を決定的にするランダム割り当てを欠いている。

歴史学

因果比較研究の論理は、フレッド・N・ケリンガーが1964年の画期的な著作『Foundations of Behavioral Research』で定式化し、彼は既に発生した出来事の体系的な調査として「事後」研究を説明し、推定原因を特定した。このデザインは、事前に形成された群を比較する農業および疫学研究に遡るルーツを持っていた。1970年代から1980年代にかけて、特にGay(1976)、そして後にFraenkel and Wallenによって、教育研究方法論の教科書の標準的な構成要素となり、操作が不可能な場合の標準的な非実験デザインとしての地位を確立した。

使うべき場面

倫理的または実務的に操作できない変数(性別、障害状況、社会経済的背景、または過去の出来事への曝露など)の原因または結果を調査したい場合に因果比較研究を使用する。群が自然に発生し、意味のある従属変数に関するデータを収集できる場合に適切である。教育、健康、社会科学における記述的から説明的な研究目標に適している。ランダム割り当てによる真の実験を実施できる場合は、それを使用しないこと。実験はより強力な因果的証拠を提供する。群が主要な交絡因子において意味のある等価性を達成できない場合、群メンバーシップが曖昧な場合、または研究質問が経時的変化の前向き追跡を必要とする場合(代わりに縦断研究を使用する)は避ける。

限界と注意点

  • 群がランダムに割り当てられないため、因果関係を決定的に確立できない。選択バイアスと交絡変数が依然として代替的な説明として残る。
  • 因果の方向性が曖昧である。推定される原因と結果が逆転しているか、または第3の変数が両方を引き起こしている可能性がある。
  • 群が未測定の変数において異なる可能性があり、それが観察された差異の原因となっているため、統計的制御が不完全になる。
  • 後ろ向きな性質は、研究者が独立変数が過去にどのように経験されたか、または測定されたかについて制御できないことを意味する。

出典に示された条件は、独立した科学的レビューや分析エンジンによる検証の代わりにはなりません。

強み

  • 実験的操作が非倫理的または不可能な場合に因果仮説の調査を可能にする。
  • 縦断的実験よりも効率的で費用がかからない。データはしばしば既に存在する。
  • 自然に発生する群間の定量的で統計的に検証可能な比較を生成する。
  • 統計的有意性に加えて実践的な有意性を伝える効果量を導き出す。
  • 後続の実験の必要性を正当化するための予備的なデザインとして有用である。

応用

  • 幼稚園に通った学生とそうでない学生の学業成績の比較。
  • 実験的割り当てなしで、喫煙者と非喫煙者の健康アウトカムの違いの調査。
  • 中等学校の生徒の間で、数学の自己効力感における性差が存在するかどうかの調査。
  • 異なる教育資格を持つ従業員の間の、仕事満足度のレベルの比較。
  • バイリンガル家庭で育った子供が、モノリンガルな同年代と比較して認知の柔軟性に違いがあるかの評価。
  • 都市部対地方の学校立地が、教師定着率の違いに関連しているかの調査。

使い方

使い方

1

研究者は、独立変数(性別、社会経済的地位、教育レベル、またはライフイベントなどの、事前に存在する特性)を特定し、その変数において差異が存在する少なくとも2つの群を定義する。比較変数は既に自然に発生している必要があり、研究者によって操作されることは決してない。

2

参加者は、一般化を支持するために、理想的には確率サンプリングによって、各事前に形成された群から選択される。研究者がデザイン段階で、独立変数以外の全ての特性において、潜在的な交絡因子を制御またはマッチングできるように、群は可能な限り類似しているべきである(例:年齢、過去の達成度、収入レベル)。

3

従属変数(複数可)に関するデータは、同じ機器と手順を使用して全ての群から収集される。一般的なデータソースには、標準化されたテストスコア、アンケート回答、管理記録、または身体測定が含まれる。原因は既に発生しているため、データ収集は後ろ向きまたは同時的であり、前向きではない。

4

従属変数における群平均(または割合、順位)は、適切な推測統計を使用して比較される。通常、独立標本t検定、一元配置分散分析、共分散分析(ANCOVA、共変量を制御するため)、または測定尺度に応じたカイ二乗検定が用いられる。効果量(Cohen's d、イータ二乗)は、有意性検定に付随させるべきである。

5

統計的に有意な群間差は慎重に解釈される。研究者は、差異を独立変数に帰する前に、特に選択バイアスと未測定の交絡因子といった代替的な説明を考慮する。因果関係の言語は、デザインに因果推論を強化する追加の制御が含まれていない限り、「示唆する可能性がある」「一致している」などと控えめに表現される。

よくある落とし穴

  • 有意な群間差を因果関係の証拠として扱うこと。常に非実験的な性質と代替的な説明を明示的に認める。
  • 群の非等価性を無視すること。比較群が複数の背景変数において異なる場合、対象となる差異は交絡される。主要な共変量に対処するためにマッチングまたはANCOVAを使用する。
  • 原因と結果の逆転。一部のデザインでは、推定される結果が実際にグルーピング変数に影響を与えることがあり得る。時間的順序について慎重に推論する。
  • 群が意味のある区別をなさない場合に使用すること。曖昧な群境界(例:「高」対「低」収入の緩やかな定義)は、誤差分散を増大させ、推論を弱める。
  • p値のみを効果量なしで報告すること。大規模群間の統計的に有意な差は、実践的には些細なものである可能性がある。効果の大きさを常に報告し、解釈する。

よくある質問

因果比較研究と相関研究の違いは何ですか?

どちらも非実験的ですが、構造と目的が異なります。相関研究は、単一の群内における連続変数間の関係の強さと方向性を、ピアソンrのような係数を用いて調査します。因果比較研究は、従属変数において離散的で事前に形成された群を比較し、群間差統計(t検定、ANOVA)を使用します。因果比較デザインは、群メンバーシップと結果との間の推定される因果関係を中心に明示的に枠組みされていますが、相関デザインは因果関係の方向性を示唆することなく関連性を記述します。

因果比較研究は、事後(ex post facto)デザインとどのように異なりますか?

これらの用語はしばしば互換的に使用され、多くの教科書では「事後デザイン」が全く同じアプローチの古い名称となっています。ケリンガーは当初、「事実の後」を意味するラテン語の「ex post facto」を使用して、独立変数が既に発生したことを強調しました。後に方法論者、特に教育分野では、「因果比較」という用語が比較群の論理を強調するために好まれました。機能的には、両方のラベルは同じデザインファミリーを指します。

因果比較研究は因果関係を確立できますか?

いいえ、真の実験ほどの確実性はありません。参加者は群にランダムに割り当てられないため、群間の既存の違い(選択バイアス)と未測定の第3の変数は、常にあり得る代替的な説明となります。このデザインは、特に複数の研究がパターンを一貫して再現する場合に、因果関係の仮説生成的な証拠を提供できますが、因果的主張を確認するには制御された実験が必要です。

どのような統計的検定が適切ですか?

選択は、群の数と測定尺度に依存します。連続的な結果を持つ2つの群の場合は、独立標本t検定を使用します。3つ以上の群の場合は、一元配置分散分析を使用します。共変量を制御する場合は、ANCOVAを使用します。カテゴリカルな結果の場合は、カイ二乗検定を使用します。いずれの場合も、実践的な重要性を伝えるために、効果量指数(t検定の場合はCohen's d、ANOVAの場合はイータ二乗またはオメガ二乗)で有意性検定を補完してください。

因果比較デザインで交絡変数をどのように制御しますか?

デザイン段階または分析段階でいくつかの戦略が利用可能です。デザイン段階では、主要な交絡因子について参加者をマッチングさせることができます(例:治療群の各参加者を、同様の年齢と過去の達成度を持つ対照群の参加者とペアにする)。分析段階では、ANCOVAに共変量として交絡因子を含めることができます。ANCOVAは統計的に群平均を調整します。どちらのアプローチも全ての交絡を排除するわけではありませんが、どちらも比較の内的妥当性を大幅に強化します。

関連する手法

参考文献

  1. Kerlinger, F. N. (1964). Foundations of Behavioral Research. Holt, Rinehart and Winston.

    出版物の文献を開く
    コピーしました。
  2. Fraenkel, J. R., Wallen, N. E., & Hyun, H. H. (2012). How to Design and Evaluate Research in Education (8th ed.). McGraw-Hill.

    ISBN:978-0078097850
    コピーしました。