縦断調査研究 — 反復測定調査デザイン
- 提唱者
- Survey methodology tradition; codified in social sciences by scholars including W.S. Robinson (1950) and later Scott Menard
- 年
- Mid-20th century (formalized ~1950s–1970s)
- 種類
- Quantitative observational 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?
縦断調査研究は、同一の個人(または単位)から2時点以上で構造化された質問票データを収集するものである。一回限りの横断調査とは異なり、このデザインは変数の変化、安定性、および時間的順序を捉え、研究者が量的枠組みの中で軌跡を追跡し、因果的系列をテストし、世代効果と加齢効果を区別することを可能にする。
手法の背後にある直感
例えば、新しい学校カリキュラムが、ある時点での生徒の数学に対する態度を単に示すだけでなく、実際に1年間で改善するかどうかを知りたいと想像してみよう。縦断調査では、学年の初め、中間、終わりに同じ生徒を追跡し、毎回同一または類似の質問をする。同じ人が繰り返し回答するため、異なる時点の異なる人々から推測するのではなく、各個人の変化を直接比較できる。このデザインの分析的力は、その時間的構造にある。スナップショットではなく、変化の系列を観察できるのだ。
歴史学
時間とともに繰り返される調査の使用は、20世紀半ばに社会科学に出現した。W.S. ロビンソンの1950年の論文「生態学的相関と個人相関」は、個人レベルの推論における横断データの限界に注意を引き、パネルデザインを動機づけた。所得動態パネル調査(PSID、1968年開始)や米国国立縦断調査(NLS)を含む大規模な縦断調査プログラムは、同じ回答者を数十年追跡することの実現可能性と科学的価値を示した。スコット・メナードのハンドブック(1991年、第2版2002年)とピーター・リンの縦断調査方法論に関する編集論文集(2009年)は、サンプルデザイン、脱落管理、分析に関するベストプラクティスを成文化した。
使うべき場面
コアとなる問いが時間経過に伴う変化、変数の時間的順序、または個人または単位内でのアウトカムの発達に関するものであり、横断調査では答えられないような質問である場合に、縦断調査研究を使用する。これは、実験的介入が実現不可能または非倫理的である場合に、態度変化、発達軌跡、キャリアパス、健康行動、および政策効果の研究に適している。このデザインは、安定した追跡可能なサンプル、多波データ収集のための十分な資金と組織的能力、および脱落を管理する意欲を必要とする。使用すべきでない場合:(1) ある1時点での有病率推定値のみが必要な場合 — 横断調査の方が効率的である。(2) 意味のある変化が発生するには研究期間が短すぎる場合。(3) 参加者の追跡が運用上不可能である場合。(4) 反復測定が測定対象の構成概念を汚染するようなテスト効果を生じさせる可能性が高い場合。
限界と注意点
- パネル脱落は内的妥当性を脅かす。脱落した参加者は、残った参加者と系統的に異なることが多く、選択バイアスを導入する。
- 同じ尺度を繰り返し実施すると、テスト効果が生じる可能性がある。参加者は質問に慣れたり、過敏になったりして、見かけ上の変化を誇張する。
- 追跡調査参加者、連絡先情報の管理、波を通じた関与の維持には多大なリソースが必要であり、ロジスティクス的に困難で費用がかかる。
- 長期間にわたるため、波間の外部イベント(歴史的出来事、パンデミック、政策シフト)は、関心のある構成概念から分離するのが難しい交絡因子となる。
- 変化スコアを解釈する前に、波を通じて測定不変性が確立されなければならない。それをテストしないと、変化に関する誤った結論につながる可能性がある。
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
- 同一参加者内の変数変化の順序を捉えることにより、因果推論の前提条件である時間的先行性を確立する。
- 横断比較よりも精密な推定値を提供し、個人内変化と個人間差を分離する。
- 同一個人を追跡することによってのみ明らかになる世代効果、期間効果、および年齢効果を検出する。
- 大規模で全国的に代表的なサンプルにスケーラブルであり、変化軌跡に関する集団レベルの推論を可能にする。
- データの時間的構造を利用する幅広い分析技術(GCM、CLPM、SEM)と互換性がある。
- 同じ集団を長期間研究する場合、各波で新しいコホートを募集するよりも効率的である。
応用
- 学校年度や学位プログラムを通じて、学生の学業意欲、自己効力感、または幸福感の変化を追跡する。
- 国民選挙パネル内で、政治的態度、投票意向、または市民参加の進化を監視する。
- コホート研究で、数ヶ月または数年にわたる健康行動の変化(身体活動、食事、薬物使用)を研究する。
- 異なる教育経路からの卒業生の長期的な労働市場成果を評価する。
- 公衆衛生キャンペーンまたは教育介入の積極的なプログラム終了後の持続的な効果を評価する。
- 組織の態度(仕事の満足度、コミットメント)が、時間とともに職場の方針変更にどのように反応するかを調べる。
使い方
使い方
研究者は、研究課題を定義し、対象集団を選択し、測定波の数とそれらの間の時間間隔を決定し、波を通じて一貫性のある調査尺度を構築または適応させる。サンプルサイズは、予想される脱落を考慮する必要があり、インフォームド・コンセントの手続きは、最初から多波参加に対応する必要がある。
第1波(時間1)調査は、募集されたサンプルに実施され、アウトカム、予測因子、共変量のすべての主要変数のベースライン測定値を収集する。この波での高い回答率は極めて重要である。なぜなら、ベースラインで失われた参加者は、後続の分析で回復できないからである。
各後続波(時間2、時間3、…)で、同じ参加者に再度連絡を取り、調査尺度を再度実施する。波を通じた質問文、回答形式、実施方法の一貫性は、測定等価性を維持し、測定アーチファクトから真のスコア変化を区別することを可能にする。
パネル脱落(波間の参加者の脱落)は、波の完了者と非完了者をベースライン特性で比較することによって評価される。脱落者が継続者と系統的に異なる場合(選択的脱落)、バイアスを軽減するために、多重代入法、逆確率重み付け法、または完全情報最尤法などの分析戦略が適用される。
縦断データは、反復測定に適した手法で分析される。成長曲線モデリング、潜在変化スコアモデル、クロスラグパネルモデル、一般化推定方程式、または混合効果回帰などである。選択されるモデルは、主要な関心が平均レベルの変化、個々の軌跡、または時間経過に伴う変数間の相互因果関係にあるかどうかによって異なる。
よくある落とし穴
- 選択的脱落の無視。脱落者が元のサンプルを代表していると仮定し、差次的脱落をテストしないと、変化の推定値が偏る。
- 波間で調査尺度を変更すること。わずかな文言の修正や回答スケールの変更でさえ、時間を通じた直接的なスコア比較を無効にする。
- ベースラインサンプルの検出力が不足していること。予想される脱落を考慮せずに横断調査の検出力のみでサンプルサイズを計算すると、後続の波で検出力が不足する。
- 成長をモデル化せずに、波を固定効果として扱うこと。成長曲線モデルや混合モデルの代わりに、波ごとに別々のANOVAを実行すると、縦断情報が失われ、第一種の過誤が増加する。
- 集団レベルの平均値のみを報告すること。個々の軌跡の異質性がしばしば実質的に重要な発見となる。集計トレンドは、異なるサブグループを隠蔽する可能性がある。
よくある質問
縦断調査研究はパネル調査とどう違うのか?
これらの用語は実質的に重複する。パネル調査は、厳密に同じ個人が各波で調査される縦断調査の特定の種類である。縦断調査研究は、より広範なカテゴリであり、トレンド調査(各波で同じ集団から異なるランダムサンプルを抽出)やコホート調査(同じ出生または加入コホートだが、必ずしも同一の回答者ではない)も含む。人々が「縦断調査」と言うとき、それはほとんどの場合パネルデザインを意味するが、分析戦略を選択する際には正確さが重要である。
いくつの波が必要か?
変化を観察するには最低2回の波が必要だが、2回の波は限定的なモデル(差分スコア、単純な事前事後回帰)しかサポートしない。成長軌跡の推定、非線形変化のテスト、クロスラグパネルモデルの適用には3回以上の波が必要である。最適な波の数は、予想される変化の形状と分析モデルに依存する。波が多いほど、軌跡を検出し特徴付けるための検出力が増加する。
脱落による欠損データにどう対処するか?
まず、脱落者がベースライン変数で完了者と比較して、欠損が完全にランダム(MCAR)、ランダムに欠損(MAR)、またはランダムでない(MNAR)かを評価する。MAR(ほとんどのパネル調査で最も正当化可能な仮定)の下では、完全情報最尤法(FIML)推定または多重代入法が好ましいアプローチである。単純なリストワイズ削除は、使用可能なデータを破棄し、脱落が完全にランダムでない場合に偏った推定値を生じるため、ほとんど適切ではない。
縦断調査は因果関係を確立できるか?
時間的順序(因果関係の必要条件)は、クロスラグパネルモデルまたは差分スコア回帰を使用して、波1の予測因子が波1の成果を制御した後に波2の成果を予測する場合に実証できる。しかし、波間で安定しているか変化する未測定の交絡因子が、依然として因果推定値を歪める可能性がある。縦断調査は横断デザインよりも強力な証拠を提供するが、観察研究のままである。ランダム化実験が因果推論のゴールドスタンダードである。
各波で調査尺度が同じ構成概念を測定していることをどうやって確認するか?
確認的因子分析(CFA)ベースの測定不変性テスト(Vandenberg & Lance, 2000)を通じて行う。最低限、潜在平均値を比較する前に、構成不変性と計量不変性を確立する必要がある。観測平均値を比較するには、スカラー不変性が必要である。部分的不変性が見つかった場合は、不変パラメータのみを制約し、不変でない項目に関する変化は注意して解釈する。
関連する手法
参考文献
Menard, S. (2002). Longitudinal Research (2nd ed.). Sage Publications.
ISBN:978-0761922452コピーしました。Lynn, P. (Ed.). (2009). Methodology of Longitudinal Surveys. Wiley.
ISBN:978-0470018712コピーしました。