Skip to content
検索結果に戻る

探索的量的研究

提唱者
Earl Babbie; John Creswell (systematic codification in social science methods)
年
Mid-20th century (codified in social research methods texts c. 1950s–1970s)
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?

探索的量的研究は、現象が形式的な仮説検定を支持するには十分に理解されていない場合に使用される非実験的デザインです。研究者は、分布を記述し、パターンを検出し、より的を絞った確認的研究が後で検定できる仮説を生成するために、数値データ(通常は調査、構造化された観察、または既存の記録を通じて)を収集します。これは、累積的な量的研究プログラムの最初の段階を占めます。

手法の背後にある直感

探索的量的研究を、地図を描く前に領土を偵察することだと考えてください。未研究の領域に入るとき、どの変数が重要か、またはそれらがどのように関連しているかはまだわからないため、狭く測定するのではなく広く測定します。数字は、風景のどの特徴が際立っているか(どの変数が最も変動するか、どの変数が共起するか、どのサブグループが異なるか)を教えてくれます。そして、それらの観察は、次の、より厳密な研究のための候補仮説になります。目標は、確認ではなく、規律ある発見です。

歴史学

探索的研究と確認的研究の区別は、1950年代以降、アール・バビーやポール・ラザースフェルドなどの方法論者によって社会科学で体系化され、帰納と演繹の役割に関する科学哲学の広範な会話を反映しています。ジョン・タッキーの1977年の探索的データ分析に関する著作は、統計学内での探索的推論を形式化し、量的社会科学者が予備的調査をどのように枠組み化するかに影響を与えました。その後、クレズウェルらは、混合手法および量的研究デザインフレームワーク内に探索的段階を明示的に埋め込み、それを認識された、原則的なデザイン選択としての役割を確立しました。

使うべき場面

真に十分に研究されていないドメインに入るとき、関連する変数とその測定がまだ確立されていないとき、または既存の理論が方向性のある予測に十分なガイダンスを提供しないときに、探索的量的研究を使用します。これは、複数研究プログラムの最初のフェーズとして、または新しい機器のパイロットとして適切です。テスト済みの仮説がすでに存在する場合には、確認的研究の代わりに使用しないでください。既知の現象に探索的論理を適用すると、誤発見のリスクが高まります。因果推論が目標である場合は回避してください。探索的量的デザインは、因果関係の主張を支持しません。

限界と注意点

  • 結果は仮説生成であり、仮説検定ではありません。発見は確認された効果として扱われるべきではありません。
  • 事前登録がない場合、多くの変数にわたる複数の比較は、タイプIエラー率を大幅に増加させます。
  • 便宜的または意図的なサンプリングは、記述統計の一般化可能性を定義された集団に制限します。
  • 実験的制御の欠如は、観察された関連性を因果メカニズムに起因させることができないことを意味します。

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

  • 理論が存在しないか未発達なドメインのために、証拠に基づいた仮説を効率的に生成します。
  • 柔軟な変数カバレッジにより、予期しないパターンが表面化し、調査が早期に制約されるのを防ぎます。
  • 数値データは、再現可能な記述とサブグループ間の簡単な比較を可能にします。
  • 適切に実施された探索的研究からの発見は、決定的な確認的フォローアップのパワー計算と設計を可能にします。

応用

  • 標的介入研究を設計する前に、新たに特定された職業集団の態度プロファイルをマッピングする。
  • 構造方程式モデルに含める価値のある変数を特定するために、学生の脱落の候補予測子のバッテリーをスクリーニングする。
  • 新たに文書化された健康行動の臨床集団における分布と関連性を記述する。
  • 確認的因子分析の前に、項目分散と因子構造を調べるために、新しい心理測定機器をパイロットする。
  • 事前のベンチマークが存在しない新興産業セクターにおける組織慣行を調査する。
  • 後続の実験的デザインが裁定する社会現象のメカニズムに関する競合仮説を生成する。

使い方

使い方

1

研究者は、基本的な数値事実が不明または論争されている、十分に研究されていないトピックまたは集団を特定します。方向性のある仮説ではなく、広範な研究課題が調査を導きます。目的は、事前に指定された予測を検定することではなく、どの変数をどのレベルで測定するかを決定することです。

2

測定機器(質問票、コーディングスキーム、または観察プロトコル)は、潜在的に関連性のある広範囲の変数を捉えるために開発または適応されます。ドメインは十分に探求されていないため、機器には、デモグラフィック、態度、行動、または文脈の次元を該当する場合にカバーする、焦点を絞った確認的研究が必要とするよりも多くの項目が含まれることがよくあります。

3

データは、関連する集団を適切に代表する、意図的または便宜的に選択されたサンプルから収集されます。サンプルサイズは中程度になる傾向があります。記述統計と粗いパターンを検出するのに十分な大きさですが、必ずしも狭い効果量推定のためにパワーがあるわけではありません。横断的実施が一般的です。

4

記述統計(頻度、平均、標準偏差、範囲)および探索的分析(相関行列、クラスター分析、因子分析、EDAプロット)は、分布を特徴付け、注目すべき関連性またはグループの違いを表面化するために計算されます。この段階では、因果関係についての推論は行われません。

5

データで観察されたパターンは、後続の確認的研究のための明示的で検定可能な仮説または研究課題に統合されます。探索的研究の貢献は認識論的です。仮説空間を狭め、より決定的なフォローアップ作業のデザイン(変数、測定値、サンプルサイズ)に情報を提供します。

よくある落とし穴

  • HARKing(結果を知った後の仮説設定)—事後的なパターンをあたかも事前に予測されていたかのように報告することは、探索的研究を誤解を招く確認的研究に変え、偽陽性率を増加させます。
  • 小さな関連性の過剰解釈—広範囲の変数の中で、一部の相関は偶然に名目上の有意性に達します。探索的発見は、真剣に受け取られる前に再現が必要です。
  • 探索的目標の事前登録の怠り—研究をレジストリのエントリで探索的であると明確にラベル付けすることは、適切な推論ステータスを示し、意図しないHARKingから保護します。
  • 探索的研究を十分と見なすこと—確認的フォローアップなしで探索的発見を公開することは、主張を検証されていないままにし、非再現に対して脆弱にします。

よくある質問

探索的量的研究は記述的研究と同じですか?

重複しますが、方向性が異なります。記述的研究は、それ自体を目的として現象を正確に特徴付けることを目指します。頻度、平均、分布を報告します。探索的量的研究は、将来志向の仮説生成目的を持っています。それは、次に何を研究すべきかを特定するために記述します。研究は記述的かつ探索的である可能性がありますが、純粋に記述的な研究は仮説を生成する必要はありません。

探索的研究で有意性検定を行うことはできますか?

はい、ただし注意が必要です。探索的データに対する有意性検定は、確認的証拠としてではなく、フォローアップの候補をフラグ付けするスクリーニングツールとして扱うのが最善です。多くの変数が同時にテストされると、ファミリーワイズエラー率は急速に上昇します。効果量、信頼区間、多重比較補正(例:ボンフェローニまたはベンジャミニ・ホッホバーグ)を報告し、研究が探索的であることを透明にすることが、すべて重要なセーフガードです。

どのくらいのサンプルサイズが必要ですか?

単一のルールはありませんが、信頼性の高い記述統計と中〜大程度の効果の検出のための一般的なベンチマークは、調査ベースの探索的研究では少なくとも100〜200人の参加者です。因子分析またはクラスター分析を使用する予定の場合は、より大きなサンプル(しばしば300以上)が推奨されます。重要なのは、サンプルが記述統計を安定させるのに十分な大きさであることです。たとえ狭い信頼区間のために正式にパワーがなくてもです。

探索的研究には対照群が必要ですか?

いいえ。探索的量的研究は通常、非実験的かつ観察的です。変数を操作したり、参加者を条件に割り当てたりしないため、対照群はデザインの一部ではありません。グループ間の比較が行われる場合、それは既存の特性(例:年齢、性別、職業)に基づいており、デザインは因果比較研究に近くなります。

いつ探索的研究から確認的研究に移行すべきですか?

探索的研究が、少数のもっともらしい、理論的に首尾一貫した仮説(理想的には2つか3つ以下)を特定したら、事前登録、事前のパワー分析、そして新しい独立したサンプルを備えた確認的研究を計画する時です。探索に使用されたのと同じデータで確認を試みることは循環的であり、効果量推定値の増加につながります。

関連する手法

参考文献

  1. Babbie, E. (2021). The Practice of Social Research (15th ed.). Cengage Learning.

    ISBN:978-0357360767
    コピーしました。
  2. Creswell, J. W., & Creswell, J. D. (2018). Research Design: Qualitative, Quantitative, and Mixed Methods Approaches (5th ed.). Sage.

    ISBN:978-1506386706
    コピーしました。