確証的研究 — 理論検証型量的設計
- 提唱者
- Karl Popper (falsificationism); formalized in behavioral sciences by Paul Meehl and others
- 年
- 1934 (Popper); widely adopted in social sciences from 1960s onward
- 種類
- 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
何をする手法か?
確証的研究とは、研究者がデータ収集前に既存の理論から導き出された仮説を特定し、そのデータがそれらの仮説を支持するか反証するかを検証する、演繹的な量的設計である。データからアイデアを生み出す探索的アプローチとは異なり、確証的研究は確立された理論的枠組みから始まり、予測を事前登録し、統計的検定を適用して経験的証拠に対してそれらの予測を評価する。これは、仮説駆動型の社会科学、行動科学、健康科学の研究の根幹をなすものである。
手法の背後にある直感
確証的研究を、裁判の評決が裁判開始前に用意されていると考える — ただし、その「評決」は、先入観ではなく、先行理論から導き出された正確に述べられた仮説である。研究者は「理論XはAとBの間に正の関係があると予測する。私はデータを収集し、その主張を検証する」と言う。そして、その予測が反証される公正な機会を与えるように研究が設計される。データが予測と一致すれば、理論は経験的な支持を得る。そうでなければ、理論は修正されなければならない。カール・ポパーによって導入されたこの反証可能性基準が、確証的研究と単なる推測を区別するものである。
歴史学
確証的研究の哲学的基盤は、カール・ポパーの反証主義にあり、これは『論理学の研究』(1934年、英訳『科学的発見の論理』1959年)で詳述されており、科学的仮説は経験的証拠によって反証可能でなければならないと主張した。この原則は、ネイマン=ピアソン仮説検定統計学を通じて、また1960年代から1990年代にかけてポール・ミーールやジェイコブ・コーエンなどの方法論者による再現の呼びかけを通じて、社会科学に適用された。2010年代の再現危機は、確証的ロジックの実践的な執行メカニズムとしての事前登録への焦点を強めた。
使うべき場面
特定の理論またはモデルがすでに存在し、その予測を新しい経験的証拠に対して評価したい場合に確証的研究を使用する — 例えば、検証済みの介入が新しい集団で不安を軽減するかどうか、または組織コミットメントの構造モデルが異なる文化的文脈で成り立つかどうかをテストする場合である。これには、十分な大きさのサンプル(事前の検出力分析によって決定される、通常は中程度の効果でN≧80–100)、量的結果、およびデータ収集前に定式化された明確に反証可能な仮説が必要である。仮説に対する事前の理論的根拠がない場合、構成概念が検証済みの尺度でまだ操作化されていない場合、またはアイデアをテストするのではなく生成することが目的である場合には、確証的デザインを使用しない — そのような場合は、探索的または記述的なデザインがより適切である。
限界と注意点
- 十分に発達した理論的枠組みが必要である。領域が十分に理解されていない場合には、探索的研究の代わりにはならない。
- 単一の確証的研究が決定的な証拠を提供することはめったにない — 強力な結論が導かれる前に再現が必要である。
- 結果は、操作化の妥当性とサンプルの代表性によって限定される。
- 事前登録プロトコルへの厳格な遵守は規律を要求する。未開示の逸脱は確証的主張を損なう。
- 二項仮説検定の枠組み(棄却する/棄却しない)は、証拠蓄積の連続的な性質を不明瞭にする可能性がある。
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
- 事前登録が維持されている場合、特定の理論的主張に対する最も強力な証拠を提供する。
- 事前に指定された仮説と分析計画により、偽陽性率を増加させる多くの自由度に関する懸念が排除される。
- オープンサイエンスと再現性基準に整合し、ジャーナルや資金提供機関からますます要求されている。
- 独立した研究全体での直接的な再現を通じて知識の蓄積を可能にする。
- 統計的検出力分析により、研究が予想される効果を検出するのに十分な大きさであることが保証される。
応用
- 理論的に導き出された介入(例:認知行動療法プロトコル)が、臨床サンプルにおける症状重症度を軽減するかどうかをテストする。
- 職務満足度に関する構造方程式モデルが、新しい国または文化の文脈で再現されるかどうかを評価する。
- 確証的因子分析(CFA)を使用して、独立した検証サンプルで心理尺度における予測された因子構造を確認する。
- 事前に指定された媒介変数(例:自己効力感)が、治療の効果を結果に伝達するかどうかを評価する。
- 既存の発見の一般化可能性を評価するために、新しい集団で2つの構成概念間の公表された相関を再現する。
- 臨床試験またはオープンサイエンス登録簿で結果と分析を事前に登録した対照群に対する薬理学的または教育的介入をテストする。
使い方
使い方
研究者は、確立された理論的枠組みから始め、一つ以上の正確で反証可能な仮説を導き出す。各仮説は、データが収集される前に、関係または差の予想される方向または大きさを示す。仮説の事前登録(OSFやAsPredictedなどのプラットフォームで)は、探索的発見の後付けによる確証的発見への再ラベル付けを防ぐために、ますます要求されるようになっている。
各理論的構成概念は、検証済みの計器、尺度、または操作化によって測定可能な変数に変換される。サンプリング戦略、サンプルサイズ(事前の検出力分析によって決定される)、データ収集手順、および使用される統計的検定はすべて事前に指定される。この事前指定こそが、確証的研究と探索的研究を正式に区別するものである。
データは、事前に指定されたプロトコルに従って収集される — 一般的には標準化された調査、構造化された観察、または二次データセットからの抽出を通じて行われる。プロトコルへの厳格な遵守が不可欠である。逸脱は文書化され、報告されなければ、研究の確証的性格を維持できない。
事前に指定された統計的検定が適用される(例:t検定、ANOVA、回帰、構造方程式モデリング)。結果は、事前に述べられた決定規則 — 通常は事前に設定されたアルファレベル(一般的には.05、より厳密な確証的主張の場合は.01) — に対して評価される。効果量と信頼区間は、p値とともに報告され、実質的な有意性を伝える。
研究者は、データが各仮説を支持するか、支持しないかについて結論を導き出す。帰無仮説を棄却しないことは、帰無仮説を確証するものではない。それは、対立仮説に対する証拠が不十分であることを示す。結論は、研究のデザイン、サンプル、および操作化によって限定される。独立したサンプル全体で再現された真の確証的発見は、最も強力な証拠価値を持つ。
よくある落とし穴
- HARKing(結果を知った後の仮説設定) — 事後的な探索的発見を、事前に指定された確証的仮説であったかのように提示することは、偽陽性率を増加させ、研究不正の一形態と見なされる。
- 検出力の低い設計 — 事前の検出力分析を実施しないと、実際の影響を確実に検出できない研究につながり、情報にならない曖昧な null 結果につながる。
- 有意でない結果を帰無仮説の確証として誤解する — アルファ値を超えるp値は、対立仮説に対する証拠が不十分であったことを示すだけであり、帰無仮説が真であることを示すものではない。
- 検証されていない、または ad hoc な尺度を使用する — 理論的構成概念に関する確証的な結論は、それらを操作化するために使用された計器の妥当性と同じくらいしか強くない。
- 有意なものだけを報告しながら、複数の計画外の分析を実施する — これはp-hackingであり、確証的設計の推論ロジックを破壊する。
よくある質問
確証的研究と探索的研究の違いは何ですか?
探索的研究は、領域が十分に理解されていない場合にデータから仮説またはモデルを生成する。確証的研究は、先行理論から導き出された仮説を新しいデータに対してテストする。主な形式的な違いはタイミングである。確証的研究では、仮説と分析計画はデータ収集前に完全に指定される。探索的研究では、それらは分析中または分析後に現れる。どちらも重要な役割を果たすが、事前に指定された確証的検定のみが、指定されたアルファレベルで偽陽性率を制御する。
確証的研究に事前登録は必須ですか?
厳密には、事前登録は、研究を単にそのようにラベル付けするのではなく、検証可能に確証的なものにするメカニズムである。タイムスタンプ付きで公開アクセス可能な事前登録なしでは、読者は事前に指定された仮説と事後的な合理化を区別できない。多くのジャーナル、特に心理学や医学分野では、確証的主張に対して事前登録を要求するようになっている。プラットフォームにはOSF Registries、AsPredicted、ClinicalTrials.govなどがある。
同じ研究で確証的分析と探索的分析の両方を行うことはできますか?
はい — これは一般的で正当なことですが、両方の種類の分析は報告書で明確に区別されなければならない。事前に指定された分析は確証的とラベル付けされ、指定されたアルファレベルで解釈される。データを見た後に行われた追加の分析は探索的とラベル付けされ、その発見は仮説検定ではなく仮説生成として扱われ、強力な結論が導かれる前に再現が必要となる。
確証的研究にはどのくらいのサンプルサイズが必要ですか?
サンプルサイズは、データ収集前に、理論的に意味のある最小の効果サイズ、希望する検出力(慣例的に.80または.90)、およびアルファレベルに基づいて、事前の検出力分析によって決定されるべきである。中程度の効果(Cohen's d = 0.50 または r = .30)で、検出力 = .80、アルファ = .05 の場合、典型的な要件は、検定に応じて約50〜130人の参加者である。既存のデータセットを使用して事後にサンプルサイズを正当化することは、確証的実践ではない。
確証的研究は理論を証明しますか?
単一の研究が理論を証明することはない。確証的研究は、理論の予測と一致する証拠を提供できるが、証明には、多様な操作化、サンプル、および設計を使用した複数の独立した研究にわたる収束的証拠が必要である。ポパーの枠組みは、理論は証明されるのではなく、補強または反証されることができると主張している — 目標は、時間とともに再現可能で反証可能な証拠を蓄積することである。
関連する手法
参考文献
Popper, K. R. (1959). The Logic of Scientific Discovery. Hutchinson.
ISBN:978-0415278447コピーしました。Kline, R. B. (2013). Beyond Significance Testing: Statistics Reform in the Behavioral Sciences (2nd ed.). American Psychological Association.
ISBN:978-1433812378コピーしました。