Skip to content
検索結果に戻る

仮説検定研究 — 検証的量的デザイン

提唱者
Karl Pearson, Ronald A. Fisher, Jerzy Neyman, Egon Pearson
年
Early 20th century (Fisher 1925; Neyman–Pearson 1933)
種類
Quantitative confirmatory 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?

仮説検定研究とは、研究者が理論から1つ以上の明確で反証可能な命題を導き出し、それを帰無仮説(H0)と対立仮説(H1)に翻訳し、経験的データを収集し、次に推論統計的検定を適用して、証拠がH0を棄却するのに十分であるかどうかを判断する量的デザインである。このアプローチは、社会科学、行動科学、健康科学、自然科学全般における検証的科学の支配的なパラダイムである。

手法の背後にある直感

法廷を想像してください。H0は無罪推定であり、統計的検定は裁判です。証拠(データ)を収集し、厳格な意思決定規則(有意水準アルファ)を適用し、無罪を棄却するか、棄却しないかのいずれかを行います。疑いの余地なく有罪を証明することは決してなく、指定された疑いの閾値を超えてのみ証明します。その美しさは規律にあり、データを見る前に仮説と意思決定規則の両方にコミットすることで、実際には存在しなかったパターンを見つけようとする人間の傾向から保護されます。

歴史学

統計的有意性のためのNULL仮説検定の正式な仕組みは、20世紀初頭の2つの並行する伝統から生まれた。Ronald A. Fisherは、データからの帰納的推論のツールとして、『Statistical Methods for Research Workers』(1925年)でp値と有意性検定を導入した。Jerzy NeymanとEgon Pearson(1933年)は、事前に指定されたアルファ水準、2つの競合する仮説、および第一種/第二種の過誤制御の補完的な枠組みを提案した。両方の枠組みは論理的に異なるが、ハイブリッドが20世紀半ばまでに行動科学の標準的な実践となり、Kerlinger(1973年、1986年)によって成文化され、Cohenの統計的検出力に関する研究(1969年、1988年)によって強化された。

使うべき場面

特定の、理論から導かれた関係、差、または効果に関する予測があり、擁護可能で再現可能な意思決定手順が必要な場合に、仮説検定研究を使用する。これは、研究課題が探索的ではなく検証的である場合(「介入Xは結果Yを減少させるか?」)に適したデザインである。数値データと、十分な統計的検出力を達成するのに十分な大きさの標本(通常は少なくとも80%)を必要とする。次のような場合には使用しない:(a)先行理論がなく、発見が目標である場合 — 探索的または記述的デザインを使用する、(b) plausibaleな効果量を検出するには標本が小さすぎて、検出力の低い検定となり、信号よりもノイズが多い場合、(c)データを見た後に仮説を調整する場合(HARKing)、これは検証ロジックを完全に無効にする。

限界と注意点

  • 統計的有意性(p < アルファ)は、実質的または臨床的な有意性と同等ではない — 十分に大きな標本サイズがあれば、些細な効果でも非常に有意になり得る。
  • 棄却/棄却しないという二値的な決定は、連続的な証拠を破棄する。境界結果(p = 0.049 対 p = 0.051)は、カテゴリー的に異なるものとして扱われる。
  • 検出力の低い研究は、第二種の過誤(偽陰性)の発生率が高く、逆説的に、有意な結果が得られた場合には効果量の推定値が誇張される。
  • 補正なしの多重検定は、第一種の過誤(偽陽性)を増加させる — これは実践ではしばしば見過ごされる。
  • このロジックは、仮説がデータ収集前に固定されていたことを前提としている — 違反(HARKing、p-hacking、任意停止)は一般的であり、結論を無効にする。

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

  • 事後的な偶然の結果の合理化を防ぐ、透明で事前に指定された意思決定規則を提供する。
  • 理論的予測を直接テストするため、累積的で再現可能な科学の礎となる。
  • p値、信頼区間、および効果量を通じて不確実性を定量化し、研究間の比較を容易にする。
  • メタ分析的統合によって十分に支持されている — 仮説検定研究は、実験室や再現研究を超えてプールできる。
  • ほぼすべての量的科学分野で、ジャーナル、資金提供者、および政策立案者によって広く理解され、受け入れられている。

応用

  • 教育研究において、新しい指導法が生徒の達成度を対照群と比較して向上させるかどうかをテストする。
  • 臨床介入がプラセボ群と比較して症状の重症度を有意に減少させるかどうかを評価する。
  • 性別、社会経済的地位、またはその他のグループ変数が心理的結果の違いを予測するかどうかを調べる。
  • 組織行動学において、理論的枠組みから導き出された構造方程式モデルまたは回帰係数をテストする。
  • マーケティング介入(価格、メッセージフレーミング)が消費者選択を有意に変更するかどうかを実験経済学で評価する。
  • 縦断的プログラム評価において、ペアまたは反復測定検定を使用して、介入前後のスコアを比較する。

使い方

使い方

1

研究者は、既存の理論または先行研究から、1つ以上の検証可能な仮説を導き出す。各仮説は、帰無仮説(H0、「効果なし」というデフォルトの主張)と対立仮説(H1、予測される効果または関係)として述べられる。検証ロジックを維持するためには、両方とも正確に、かつデータ収集前に述べられなければならない。

2

H0を支持または反対する有効な証拠を提供できる研究デザイン(調査、実験、準実験、観察研究)が選択される。決定的に重要なのは、研究者が事前の検出力分析(効果量、アルファ、および望ましい検出力を使用)を実施し、仮説化された効果を適切な確率で検出するために必要な最小サンプルサイズを決定することである。

3

データは、事前に決定されたデザインに従って収集される。測定器は信頼性と妥当性を示さなければならない。標本抽出は、標本統計量から母数への推論的飛躍を支持するのに十分な無作為化または代表性を持たなければならない。

4

データに適切な推論検定(t検定、ANOVA、カイ二乗検定、回帰分析など)が適用される。この検定はp値 — H0が真であると仮定した場合に、得られた結果と同等以上に極端な結果を観察する確率 — を生成する。事前に指定されたアルファ水準(一般的に0.05)が決定の閾値として機能する。

数式
H_0: \mu_1 = \mu_2 \quad \text{vs} \quad H_1: \mu_1 \neq \mu_2
5

p < アルファの場合、H1を支持してH0は棄却され、その結果は統計的に有意であると宣言される。実質的な大きさを示すために効果量と信頼区間も報告される。p >= アルファの場合、研究者はH0を棄却しない — これはH0を確認するものではないが、H0を現状のデフォルトとして残す。結果は元の理論的枠組みに照らして解釈される。

数式
p < \alpha \Rightarrow \text{reject } H_0

よくある落とし穴

  • HARKing(結果を知った後の仮説設定) — 事後的な仮説をあたかも事前に述べられたかのように提示することは、探索的な発見を偽の確認に変換する。事前登録は標準的な救済策である。
  • 検出力の無視:検出力分析なしで研究を実行し、有意でない結果を「効果なし」と解釈することは、一般的で深刻な誤りである。検出力の低い研究からの有意でないp値は情報価値がない。
  • p値と効果量の混同:常にCohenのd、イータ二乗、r、または同等のものをp値と併せて報告し、読者が実質的な重要性を判断できるようにする。
  • アルファ釣り(p-hacking):複数の結果、サブグループ、またはモデル仕様をテストし、有意なものだけを報告する。Bonferroni、Benjamini–Hochbergを適用するか、すべての分析を事前登録する。
  • H0を棄却しないことをH0が真であることの証拠として扱う:効果の不在を実証することが目標である場合は、等価性検定(TOST)またはベイズ法を使用する。

よくある質問

仮説検定研究と検証的研究の違いは何ですか?

仮説検定研究は具体的なメカニズム — 正式な統計的手順(H0対H1、p値、アルファ)である。検証的研究は、理論から導かれた予測は、受け入れられる前に新しいデータに対してテストされるべきであるという、より広範なデザイン哲学である。すべての仮説検定研究は精神において検証的であるが、検証的研究は古典的なNHSTフレームワークなしでモデル比較またはベイズ更新を含むこともある。

適切な有意水準(アルファ)をどのように選択しますか?

アルファ=0.05は、ほとんどの社会科学および行動科学における従来のデフォルトであるが、普遍的な真実ではなく、社会的な慣習である。偽陽性が特にコストがかかる場合(例:高価な介入を推奨する場合)は、アルファ=0.01を使用する。偽陰性がより懸念される探索的-検証的デザインでは、アルファ=0.10を使用する。常に方法セクションで選択を正当化し、常に閾値決定の横に正確なp値を報告する。

私の結果は有意ではありません。効果がないと結論付けられますか?

いいえ。有意でない結果は、データが選択されたアルファ水準でH0を棄却するのに十分な証拠を提供しないことを意味するにすぎない — H0を確認するものではない。肯定的な「意味のある効果なし」という主張をするためには、正式な等価性検定(例:2つの片側検定、TOST)またはH1に対するH0の証拠を定量化するベイズ分析が必要である。

事前登録とは何ですか、そしてなぜ重要ですか?

事前登録とは、データ収集前に仮説、デザイン、サンプルサイズ、および分析計画を公に記録すること(OSF、AsPredicted、または同様のレジストリを介して)である。これは検証的分析と探索的分析の間に明確な境界を引き、探索的な発見をあたかも仮説駆動型であったかのように後から提示することを不可能にする。ジャーナルは、品質指標として事前登録をますます要求または奨励している。

p値と併せて効果量を報告すべきですか?

はい — これは現在、APA出版マニュアル(第7版)およびほとんどの主要ジャーナルによって必須と見なされている。統計的有意性は、サンプルサイズを考慮して効果がゼロと区別できるかどうかを示す。効果量(Cohenのd、r、イータ二乗、オッズ比)は、効果が実際にどれだけ大きくまたは意味があるかを示す。小さな効果量を持つ有意なp値は、しばしば実世界への影響が些細であることを示唆する。

関連する手法

参考文献

  1. Kerlinger, F. N., & Lee, H. B. (1986). Foundations of Behavioral Research (3rd ed.). Holt, Rinehart and Winston.

    ISBN:978-0030417603
    コピーしました。
  2. Cohen, J. (1988). Statistical Power Analysis for the Behavioral Sciences (2nd ed.). Lawrence Erlbaum Associates.

    ISBN:978-0805802832
    コピーしました。