Skip to content
Назад к результатам поиска

Констатирующее исследование — количественный дизайн для проверки теорий

Автор метода
Karl Popper (falsificationism); formalized in behavioral sciences by Paul Meehl and others
Год
1934 (Popper); widely adopted in social sciences from 1960s onward
Тип
Quantitative research design
Семейство
Survey / observational design

Этот текст переведён машинным способом и ещё не проверен. Читать оригинал на английском

Размер шрифта

Что он делает?

Констатирующее исследование — это дедуктивный количественный дизайн, в котором исследователь до сбора данных формулирует гипотезы, выведенные из существующей теории, а затем проверяет, подтверждают или опровергают эти гипотезы полученные данные.

В отличие от исследовательских подходов, которые генерируют идеи на основе данных, констатирующее исследование начинается с установленной теоретической базы, предварительно регистрирует предсказания и применяет статистические тесты для оценки этих предсказаний на основе эмпирических данных. Это основа исследований в социальных, поведенческих и медицинских науках, основанных на проверке гипотез.

Интуиция метода

Представьте констатирующее исследование как наличие вердикта суда до начала судебного процесса — за исключением того, что «вердикт» — это точно сформулированная гипотеза, выведенная из предыдущей теории, а не предвзятое мнение. Исследователь говорит: «Теория X предсказывает, что A положительно связано с B. Я соберу данные и проверю это утверждение». Затем исследование проводится таким образом, чтобы дать этому предсказанию справедливый шанс быть опровергнутым. Если данные соответствуют предсказанию, теория получает эмпирическое подтверждение; если нет, теория должна быть пересмотрена. Этот критерий фальсифицируемости, введенный Карлом Поппером, отличает констатирующую науку от простой спекуляции.

История

Философская основа констатирующего исследования лежит в фальсификационизме Карла Поппера, изложенном в «Логике научного исследования» (Logik der Forschung, 1934; перевод на английский язык The Logic of Scientific Discovery, 1959), который утверждал, что научные гипотезы должны быть способны быть опровергнуты эмпирическими данными. Этот принцип был операционализирован в социальных науках посредством статистических методов проверки гипотез Неймана-Пирсона и призывов к воспроизведению со стороны методологов, таких как Пол Мил и Джейкоб Коэн, в период с 1960-х по 1990-е годы. Кризис воспроизводимости в 2010-х годах усилил внимание к предварительной регистрации как к практическому механизму обеспечения констатирующей логики.

Когда применять

Используйте констатирующее исследование, когда существует конкретная теория или модель, и вы хотите оценить ее предсказания на основе новых эмпирических данных — например, проверить, снижает ли валидированное вмешательство тревожность в новой популяции, или сохраняется ли структурная модель организационной приверженности в другом культурном контексте. Оно требует достаточно большой выборки (определяемой априорным анализом мощности, обычно N >= 80–100 для средних эффектов), количественных результатов и четко фальсифицируемых гипотез, сформулированных до сбора данных. Не используйте констатирующий дизайн, когда у вас нет предварительной теоретической основы для ваших гипотез, когда конструкты еще не операционализированы с помощью валидированных мер, или когда цель состоит в генерации, а не в проверке идей — в этих случаях более подходящими являются исследовательские или описательные дизайны.

Ограничения и замечания

  • Требует хорошо разработанной теоретической базы; не может заменить исследовательскую работу, когда область плохо изучена.
  • Одно констатирующее исследование редко дает окончательное доказательство — для сильных выводов требуется воспроизведение.
  • Результаты ограничены валидностью операционализаций и репрезентативностью выборки.
  • Строгое соблюдение протоколов предварительной регистрации требует дисциплины; нераскрытые отклонения подрывают констатирующее утверждение.
  • Бинарная постановка задачи проверки гипотез (отвергнуть / не отвергнуть) может затушевать непрерывный характер накопления доказательств.

Условия из источника не заменяют независимую научную проверку или валидацию аналитическим движком.

Сильные стороны

  • Предоставляет наиболее убедительные доказательства за или против конкретного теоретического утверждения при условии соблюдения предварительной регистрации.
  • Предварительно специфицированные гипотезы и планы анализа устраняют многие опасения относительно степеней свободы, которые увеличивают частоту ложноположительных результатов.
  • Соответствует стандартам открытой науки и воспроизводимости, все чаще требуемым журналами и финансирующими организациями.
  • Обеспечивает накопление знаний посредством прямого воспроизведения в независимых исследованиях.
  • Анализ статистической мощности гарантирует, что исследование имеет достаточный размер для обнаружения ожидаемого эффекта.

Применение

  • Проверка того, снижает ли теоретически выведенное вмешательство (например, протокол когнитивно-поведенческой терапии) тяжесть симптомов в клинической выборке.
  • Оценка того, воспроизводится ли структурная модель удовлетворенности работой в новом национальном или культурном контексте.
  • Подтверждение предсказанной факторной структуры психологической шкалы в независимой валидационной выборке с использованием конфирматорного факторного анализа (КФА).
  • Оценка того, передает ли предварительно специфицированная медиаторная переменная (например, самоэффективность) эффект лечения на результат.
  • Воспроизведение опубликованной корреляции между двумя конструктами в новой популяции для оценки обобщаемости существующего вывода.
  • Тестирование фармакологического или образовательного вмешательства против контрольной группы с результатами и анализом, предварительно зарегистрированными в реестре клинических испытаний или открытых данных.

Как это работает

Как это работает

1

Исследователь начинает с установленной теоретической базы и выводит одну или несколько точных, фальсифицируемых гипотез. Каждая гипотеза указывает ожидаемое направление или величину связи или различия до сбора каких-либо данных. Предварительная регистрация гипотез (на таких платформах, как OSF или AsPredicted) все чаще требуется для предотвращения постфактумной переквалификации исследовательских выводов как констатирующих.

2

Каждый теоретический конструкт переводится в измеримые переменные с использованием валидированных инструментов, шкал или операционализаций. Стратегия выборки, размер выборки (определенный с помощью априорного анализа мощности), процедуры сбора данных и статистические тесты, которые будут использоваться, — все это специфицируется заранее. Эта предварительная спецификация формально отличает констатирующее исследование от исследовательского.

3

Данные собираются в соответствии с предварительно специфицированным протоколом — обычно посредством стандартизированных опросов, структурированных наблюдений или извлечения из вторичных наборов данных. Строгое соблюдение протокола имеет важное значение; отклонения должны быть задокументированы и сообщены для сохранения констатирующего характера исследования.

4

Применяется предварительно специфицированный статистический тест (например, t-критерий, ANOVA, регрессия, структурное моделирование уравнений). Результат оценивается по отношению к предварительно установленному правилу принятия решения — обычно уровню альфа, установленному априори (часто 0,05 или 0,01 для более строгих констатирующих утверждений). Размеры эффекта и доверительные интервалы сообщаются вместе с p-значениями для передачи практической значимости.

5

Исследователь делает выводы о том, подтверждают ли данные каждую гипотезу или не подтверждают ее. Неспособность отвергнуть нулевую гипотезу не подтверждает нулевую гипотезу; она указывает на недостаточность доказательств для альтернативной гипотезы. Выводы ограничены дизайном исследования, выборкой и операционализациями. Подлинные констатирующие выводы, воспроизведенные на независимых выборках, имеют наибольший доказательный вес.

Частые ошибки

  • HARKing (Формулирование гипотез после получения результатов) — представление постфактумных исследовательских выводов как если бы они были предварительно специфицированными констатирующими гипотезами увеличивает частоту ложноположительных результатов и считается формой научного проступка.
  • Недостаточно мощные дизайны — непроведение априорного анализа мощности приводит к исследованиям, которые не могут надежно обнаружить реальные эффекты, что приводит к неоднозначным нулевым результатам, которые неинформативны.
  • Неправильная интерпретация незначимого результата как подтверждения нулевой гипотезы — p-значение выше альфа означает только то, что доказательств для альтернативной гипотезы было недостаточно, а не то, что нулевая гипотеза верна.
  • Использование невалидированных или ad hoc мер — констатирующие выводы о теоретических конструктах настолько же сильны, насколько валидны инструменты, используемые для их операционализации.
  • Проведение множества незапланированных анализов с представлением только значимых результатов — это p-хакинг и разрушает инференциальную логику констатирующего дизайна.

Часто задаваемые вопросы

В чем разница между констатирующим и исследовательским исследованием?

Исследовательское исследование генерирует гипотезы или модели на основе данных, когда область плохо изучена; констатирующее исследование проверяет гипотезы, выведенные из предыдущей теории, на новых данных. Ключевое формальное различие — время: в констатирующем исследовании гипотезы и планы анализа полностью специфицируются до сбора данных; в исследовательском исследовании они возникают во время или после анализа. Оба выполняют важные функции, но только предварительно специфицированные констатирующие тесты контролируют частоту ложноположительных результатов на заданном уровне альфа.

Является ли предварительная регистрация обязательной для констатирующего исследования?

Строго говоря, предварительная регистрация — это механизм, который делает исследование проверяемо констатирующим, а не просто так названным. Без зафиксированной во времени, общедоступной предварительной регистрации читатели не могут отличить предварительно специфицированные гипотезы от постфактумных рационализаций. Многие журналы, особенно в области психологии и медицины, теперь требуют предварительной регистрации для констатирующих утверждений. Платформы включают OSF Registries, AsPredicted и ClinicalTrials.gov.

Могу ли я проводить как констатирующие, так и исследовательские анализы в одном исследовании?

Да — это распространенная и законная практика, но два типа анализа должны быть четко разграничены в отчете. Предварительно специфицированные анализы обозначаются как констатирующие и интерпретируются с использованием заданного уровня альфа. Дополнительные анализы, проведенные после изучения данных, обозначаются как исследовательские, их выводы рассматриваются как генерирующие гипотезы, а не проверяющие их, и они требуют воспроизведения перед тем, как будут сделаны сильные выводы.

Какой размер выборки мне нужен для констатирующего исследования?

Размер выборки должен определяться априорным анализом мощности до сбора данных, исходя из наименьшего размера эффекта, который был бы теоретически значимым, желаемой мощности (обычно 0,80 или 0,90) и уровня альфа. Для среднего эффекта (d Коэна = 0,50 или r = 0,30) при мощности = 0,80 и альфа = 0,05 типичные требования составляют около 50–130 участников в зависимости от теста. Использование существующего набора данных для обоснования размера выборки постфактум не является констатирующей практикой.

Доказывает ли констатирующее исследование теорию?

Ни одно исследование не доказывает теорию. Констатирующее исследование может предоставить доказательства, соответствующие предсказаниям теории, но доказательство требует конвергентных доказательств из множества независимых исследований с использованием различных операционализаций, выборок и дизайнов. Структура Поппера утверждает, что теории могут только подтверждаться или опровергаться, но не доказываться — цель состоит в накоплении воспроизводимых, фальсифицируемых доказательств с течением времени.

Похожие методы

Источники

  1. Popper, K. R. (1959). The Logic of Scientific Discovery. Hutchinson.

    ISBN: 978-0415278447
    Скопировано.
  2. Kline, R. B. (2013). Beyond Significance Testing: Statistics Reform in the Behavioral Sciences (2nd ed.). American Psychological Association.

    ISBN: 978-1433812378
    Скопировано.