การวิจัยเชิงยืนยัน — การออกแบบเชิงปริมาณเพื่อทดสอบทฤษฎี
- ผู้เสนอ
- Karl Popper (falsificationism); formalized in behavioral sciences by Paul Meehl and others
- ปี
- 1934 (Popper); widely adopted in social sciences from 1960s onward
- ประเภท
- Quantitative research design
- กลุ่มวิธี
- Survey / observational design
ข้อความนี้เป็นการแปลด้วยเครื่องและยังไม่ได้รับการตรวจทาน อ่านต้นฉบับภาษาอังกฤษ
ใช้ทำอะไร?
การวิจัยเชิงยืนยันเป็นการออกแบบเชิงปริมาณแบบนิรนัยที่ผู้วิจัยระบุสมมติฐานที่ได้มาจากทฤษฎีที่มีอยู่ก่อนการเก็บข้อมูล จากนั้นจึงทดสอบว่าข้อมูลสนับสนุนหรือหักล้างสมมติฐานเหล่านั้นหรือไม่ แตกต่างจากแนวทางเชิงสำรวจที่สร้างแนวคิดจากข้อมูล การวิจัยเชิงยืนยันเริ่มต้นด้วยกรอบทฤษฎีที่จัดตั้งขึ้น ลงทะเบียนการคาดการณ์ล่วงหน้า และใช้การทดสอบทางสถิติเพื่อประเมินการคาดการณ์เหล่านั้นเทียบกับหลักฐานเชิงประจักษ์ ถือเป็นแกนหลักของการสอบสวนทางสังคมศาสตร์ พฤติกรรมศาสตร์ และวิทยาศาสตร์สุขภาพที่ขับเคลื่อนด้วยสมมติฐาน
แนวคิดเบื้องหลังวิธีการ
ลองนึกถึงการวิจัยเชิงยืนยันว่าเหมือนกับการมีคำตัดสินของศาลพร้อมแล้วก่อนที่การพิจารณาคดีจะเริ่มต้นขึ้น — ยกเว้นว่า 'คำตัดสิน' คือสมมติฐานที่ระบุไว้อย่างแม่นยำซึ่งได้มาจากทฤษฎีก่อนหน้า ไม่ใช่การตัดสินล่วงหน้า ผู้วิจัยกล่าวว่า: 'ทฤษฎี X ทำนายว่า A มีความสัมพันธ์เชิงบวกกับ B ฉันจะรวบรวมข้อมูลและทดสอบข้ออ้างนั้น' จากนั้นการศึกษาจะถูกออกแบบมาเพื่อให้การคาดการณ์นั้นมีโอกาสที่จะถูกหักล้างอย่างยุติธรรม หากข้อมูลสอดคล้องกับการคาดการณ์ ทฤษฎีจะได้รับการสนับสนุนเชิงประจักษ์ หากไม่เป็นเช่นนั้น ทฤษฎีจะต้องได้รับการปรับปรุง เกณฑ์การหักล้างนี้ ซึ่งนำเสนอโดย Karl Popper คือสิ่งที่แยกวิทยาศาสตร์เชิงยืนยันออกจากการคาดเดาเท่านั้น
ประวัติศาสตร์
รากฐานทางปรัชญาของการวิจัยเชิงยืนยันอยู่ที่หลักการหักล้างของ Karl Popper ซึ่งกล่าวไว้ใน Logik der Forschung (1934; แปลเป็น The Logic of Scientific Discovery, 1959) ซึ่งระบุว่าสมมติฐานทางวิทยาศาสตร์จะต้องสามารถถูกหักล้างได้ด้วยหลักฐานเชิงประจักษ์ หลักการนี้ถูกนำมาใช้ในสังคมศาสตร์ผ่านสถิติการทดสอบสมมติฐานของ Neyman-Pearson และผ่านการเรียกร้องให้มีการทำซ้ำโดยนักระเบียบวิธีวิจัยเช่น Paul Meehl และ Jacob Cohen ตลอดช่วงทศวรรษ 1960–1990 วิกฤตการทำซ้ำในทศวรรษ 2010 ได้เพิ่มความสนใจในการลงทะเบียนล่วงหน้าในฐานะกลไกการบังคับใช้เชิงปฏิบัติสำหรับตรรกะเชิงยืนยัน
ควรใช้เมื่อใด
ใช้การวิจัยเชิงยืนยันเมื่อมีทฤษฎีหรือแบบจำลองเฉพาะอยู่แล้ว และคุณต้องการประเมินการคาดการณ์ของมันเทียบกับหลักฐานเชิงประจักษ์ใหม่ — ตัวอย่างเช่น การทดสอบว่าการแทรกแซงที่ผ่านการตรวจสอบความถูกต้องช่วยลดความวิตกกังวลในประชากรใหม่หรือไม่ หรือว่าแบบจำลองโครงสร้างของความผูกพันในองค์กรยังคงใช้ได้ในบริบททางวัฒนธรรมที่แตกต่างกันหรือไม่ การวิจัยเชิงยืนยันต้องใช้กลุ่มตัวอย่างที่มีขนาดใหญ่พอสมควร (กำหนดโดยการวิเคราะห์กำลังทางสถิติล่วงหน้า โดยทั่วไป N >= 80–100 สำหรับผลกระทบขนาดกลาง) ผลลัพธ์เชิงปริมาณ และสมมติฐานที่สามารถหักล้างได้อย่างชัดเจนซึ่งกำหนดขึ้นก่อนการเก็บข้อมูล อย่าใช้การออกแบบเชิงยืนยันเมื่อคุณขาดพื้นฐานทางทฤษฎีก่อนหน้าสำหรับสมมติฐานของคุณ เมื่อโครงสร้างยังไม่ได้รับการนิยามเชิงปฏิบัติการด้วยมาตรวัดที่ผ่านการตรวจสอบความถูกต้อง หรือเมื่อเป้าหมายคือการสร้างแนวคิดมากกว่าการทดสอบแนวคิด — ในกรณีเหล่านั้น การออกแบบเชิงสำรวจหรือเชิงพรรณนาจะเหมาะสมกว่า
ข้อจำกัดและข้อควรพิจารณา
- ต้องมีกรอบทฤษฎีที่พัฒนามาอย่างดี ไม่สามารถใช้แทนงานเชิงสำรวจได้เมื่อโดเมนยังไม่เป็นที่เข้าใจอย่างถ่องแท้
- การศึกษาเชิงยืนยันเพียงครั้งเดียวไม่ค่อยให้ข้อพิสูจน์ที่ชัดเจน — จำเป็นต้องมีการทำซ้ำก่อนที่จะสรุปผลที่แข็งแกร่ง
- ผลลัพธ์ถูกจำกัดด้วยความถูกต้องของการนิยามเชิงปฏิบัติการและการเป็นตัวแทนของกลุ่มตัวอย่าง
- การปฏิบัติตามระเบียบการลงทะเบียนล่วงหน้าอย่างเคร่งครัดต้องมีวินัย การเบี่ยงเบนที่ไม่เปิดเผยบ่อนทำลายข้ออ้างเชิงยืนยัน
- กรอบการทดสอบสมมติฐานแบบไบนารี (ปฏิเสธ / ไม่สามารถปฏิเสธได้) อาจบดบังลักษณะต่อเนื่องของการสะสมหลักฐาน
เงื่อนไขจากแหล่งที่มาไม่สามารถใช้แทนการทบทวนทางวิทยาศาสตร์ที่เป็นอิสระหรือการตรวจสอบโดยเอนจินวิเคราะห์ได้
จุดแข็ง
- ให้หลักฐานที่แข็งแกร่งที่สุดสำหรับหรือต่อต้านข้ออ้างทางทฤษฎีที่เฉพาะเจาะจงเมื่อมีการลงทะเบียนล่วงหน้า
- สมมติฐานและแผนการวิเคราะห์ที่ระบุไว้ล่วงหน้าช่วยขจัดข้อกังวลเรื่องระดับความเป็นอิสระจำนวนมากที่ทำให้เกิดอัตราการเกิดผลบวกปลอมสูงขึ้น
- สอดคล้องกับมาตรฐานวิทยาศาสตร์เปิดและการทำซ้ำได้ซึ่งเป็นที่ต้องการมากขึ้นโดยวารสารและหน่วยงานให้ทุน
- ช่วยให้เกิดการสะสมความรู้ผ่านการทำซ้ำโดยตรงในการศึกษาอิสระ
- การวิเคราะห์กำลังทางสถิติช่วยให้มั่นใจว่าการศึกษามีขนาดเพียงพอที่จะตรวจจับผลกระทบที่คาดหวังได้
การประยุกต์ใช้
- การทดสอบว่าการแทรกแซงที่ได้มาจากทฤษฎี (เช่น ระเบียบวิธีบำบัดพฤติกรรมทางปัญญา) ช่วยลดความรุนแรงของอาการในกลุ่มตัวอย่างทางคลินิกหรือไม่
- การประเมินว่าแบบจำลองสมการโครงสร้างของความพึงพอใจในงานสามารถทำซ้ำได้ในบริบทระดับชาติหรือวัฒนธรรมใหม่หรือไม่
- การยืนยันโครงสร้างปัจจัยที่คาดการณ์ไว้ของมาตรวัดทางจิตวิทยาในกลุ่มตัวอย่างการตรวจสอบความถูกต้องอิสระโดยใช้การวิเคราะห์ปัจจัยเชิงยืนยัน (CFA)
- การประเมินว่าตัวแปรตัวกลางที่ระบุไว้ล่วงหน้า (เช่น การรับรู้ความสามารถของตนเอง) ส่งผลกระทบของการรักษาต่อผลลัพธ์หรือไม่
- การทำซ้ำความสัมพันธ์ที่ตีพิมพ์ระหว่างสองโครงสร้างในประชากรใหม่เพื่อประเมินความสามารถในการสรุปผลของผลการวิจัยที่มีอยู่
- การทดสอบการแทรกแซงทางเภสัชวิทยาหรือการศึกษาเทียบกับกลุ่มควบคุมโดยมีผลลัพธ์และการวิเคราะห์ที่ลงทะเบียนล่วงหน้าในทะเบียนการทดลองทางคลินิกหรือวิทยาศาสตร์เปิด
วิธีการทำงาน
วิธีการทำงาน
ผู้วิจัยเริ่มต้นด้วยกรอบทฤษฎีที่จัดตั้งขึ้นและได้มาซึ่งสมมติฐานที่แม่นยำและสามารถหักล้างได้หนึ่งข้อหรือมากกว่านั้น แต่ละสมมติฐานระบุทิศทางหรือขนาดที่คาดหวังของความสัมพันธ์หรือความแตกต่างก่อนที่จะมีการรวบรวมข้อมูล การลงทะเบียนสมมติฐานล่วงหน้า (บนแพลตฟอร์มเช่น OSF หรือ AsPredicted) เป็นสิ่งที่จำเป็นมากขึ้นเรื่อย ๆ เพื่อป้องกันการติดป้ายใหม่ให้กับผลการสำรวจว่าเป็นผลเชิงยืนยันภายหลัง
แต่ละโครงสร้างทางทฤษฎีจะถูกแปลงเป็นตัวแปรที่วัดได้ด้วยเครื่องมือที่ผ่านการตรวจสอบความถูกต้อง มาตรวัด หรือการนิยามเชิงปฏิบัติการ กลยุทธ์การสุ่มตัวอย่าง ขนาดตัวอย่าง (กำหนดโดยการวิเคราะห์กำลังทางสถิติล่วงหน้า) ขั้นตอนการเก็บข้อมูล และการทดสอบทางสถิติที่จะใช้ ล้วนถูกระบุไว้ล่วงหน้า การระบุล่วงหน้านี้คือสิ่งที่แยกการศึกษาเชิงยืนยันออกจากการศึกษาเชิงสำรวจอย่างเป็นทางการ
ข้อมูลจะถูกรวบรวมตามระเบียบวิธีที่ระบุไว้ล่วงหน้า — โดยทั่วไปผ่านการสำรวจแบบมาตรฐาน การสังเกตแบบมีโครงสร้าง หรือการดึงข้อมูลจากชุดข้อมูลทุติยภูมิ การปฏิบัติตามระเบียบวิธีอย่างเคร่งครัดเป็นสิ่งสำคัญ การเบี่ยงเบนใด ๆ จะต้องได้รับการบันทึกและรายงานเพื่อรักษาลักษณะเชิงยืนยันของการศึกษา
มีการใช้การทดสอบทางสถิติที่ระบุไว้ล่วงหน้า (เช่น t-test, ANOVA, regression, structural equation modeling) ผลลัพธ์จะถูกประเมินเทียบกับกฎการตัดสินใจที่ระบุไว้ล่วงหน้า — โดยทั่วไปคือระดับแอลฟาที่กำหนดไว้ล่วงหน้า (โดยทั่วไปคือ .05 หรือ .01 สำหรับข้ออ้างเชิงยืนยันที่เข้มงวดกว่า) ขนาดผลกระทบและช่วงความเชื่อมั่นจะถูกรายงานควบคู่ไปกับค่า p-value เพื่อสื่อถึงนัยสำคัญเชิงปฏิบัติ
ผู้วิจัยสรุปว่าข้อมูลสนับสนุนหรือไม่สนับสนุนแต่ละสมมติฐาน การไม่สามารถปฏิเสธสมมติฐานว่างไม่ได้เป็นการยืนยันสมมติฐานว่าง แต่เป็นการบ่งชี้ว่าหลักฐานสำหรับสมมติฐานทางเลือกไม่เพียงพอ ข้อสรุปถูกจำกัดด้วยการออกแบบการศึกษา ตัวอย่าง และการนิยามเชิงปฏิบัติการ ผลการวิจัยเชิงยืนยันที่แท้จริงซึ่งได้รับการทำซ้ำในกลุ่มตัวอย่างอิสระมีน้ำหนักเชิงประจักษ์ที่แข็งแกร่งที่สุด
ข้อผิดพลาดที่พบบ่อย
- HARKing (Hypothesizing After Results are Known) — การนำเสนอผลการสำรวจภายหลังราวกับว่าเป็นสมมติฐานเชิงยืนยันที่ระบุไว้ล่วงหน้า ทำให้อัตราการเกิดผลบวกปลอมสูงขึ้นและถือเป็นการประพฤติมิชอบในการวิจัยรูปแบบหนึ่ง
- การออกแบบที่กำลังทางสถิติไม่เพียงพอ — การไม่ดำเนินการวิเคราะห์กำลังทางสถิติล่วงหน้าส่งผลให้การศึกษาไม่สามารถตรวจจับผลกระทบที่แท้จริงได้อย่างน่าเชื่อถือ นำไปสู่ผลลัพธ์ว่างที่คลุมเครือซึ่งไม่ให้ข้อมูล
- การตีความผลลัพธ์ที่ไม่นัยสำคัญว่าเป็นการยืนยันสมมติฐานว่าง — ค่า p-value ที่สูงกว่าแอลฟาหมายความเพียงว่าหลักฐานสำหรับสมมติฐานทางเลือกไม่เพียงพอ ไม่ใช่ว่าสมมติฐานว่างเป็นจริง
- การใช้มาตรวัดที่ไม่ผ่านการตรวจสอบความถูกต้องหรือมาตรวัดเฉพาะกิจ — ข้อสรุปเชิงยืนยันเกี่ยวกับโครงสร้างทางทฤษฎีจะแข็งแกร่งเท่ากับความถูกต้องของเครื่องมือที่ใช้ในการนิยามเชิงปฏิบัติการเท่านั้น
- การดำเนินการวิเคราะห์ที่ไม่วางแผนไว้หลายครั้งในขณะที่รายงานเฉพาะผลลัพธ์ที่มีนัยสำคัญ — นี่คือ p-hacking และทำลายตรรกะเชิงอนุมานของการออกแบบเชิงยืนยัน
คำถามที่พบบ่อย
อะไรคือความแตกต่างระหว่างการวิจัยเชิงยืนยันและการวิจัยเชิงสำรวจ?
การวิจัยเชิงสำรวจสร้างสมมติฐานหรือแบบจำลองจากข้อมูลเมื่อโดเมนยังไม่เป็นที่เข้าใจอย่างถ่องแท้ ในขณะที่การวิจัยเชิงยืนยันทดสอบสมมติฐานที่ได้มาจากทฤษฎีก่อนหน้าเทียบกับข้อมูลใหม่ ความแตกต่างที่สำคัญอย่างเป็นทางการคือเวลา: ในการวิจัยเชิงยืนยัน สมมติฐานและแผนการวิเคราะห์จะถูกระบุไว้อย่างครบถ้วนก่อนการเก็บข้อมูล ในขณะที่ในการวิจัยเชิงสำรวจ สมมติฐานและแผนการวิเคราะห์จะเกิดขึ้นระหว่างหรือหลังการวิเคราะห์ ทั้งสองมีบทบาทสำคัญ แต่มีเพียงการทดสอบเชิงยืนยันที่ระบุไว้ล่วงหน้าเท่านั้นที่ควบคุมอัตราการเกิดผลบวกปลอมที่ระดับแอลฟาที่ระบุไว้
การลงทะเบียนล่วงหน้าจำเป็นสำหรับการวิจัยเชิงยืนยันหรือไม่?
โดยเคร่งครัดแล้ว การลงทะเบียนล่วงหน้าเป็นกลไกที่ทำให้การศึกษาเป็นเชิงยืนยันที่ตรวจสอบได้จริง ไม่ใช่แค่การติดป้ายว่าเป็นเช่นนั้น หากไม่มีการลงทะเบียนล่วงหน้าที่มีการประทับเวลาและเข้าถึงได้สาธารณะ ผู้อ่านจะไม่สามารถแยกแยะสมมติฐานที่ระบุไว้ล่วงหน้าออกจากการให้เหตุผลภายหลังได้ วารสารหลายแห่ง โดยเฉพาะอย่างยิ่งในสาขาจิตวิทยาและการแพทย์ กำหนดให้มีการลงทะเบียนล่วงหน้าสำหรับข้ออ้างเชิงยืนยัน แพลตฟอร์มรวมถึง OSF Registries, AsPredicted และ ClinicalTrials.gov
ฉันสามารถทำการวิเคราะห์เชิงยืนยันและเชิงสำรวจในการศึกษาเดียวกันได้หรือไม่?
ได้ — นี่เป็นเรื่องปกติและถูกต้อง แต่การวิเคราะห์ทั้งสองประเภทจะต้องแยกแยะให้ชัดเจนในรายงาน การวิเคราะห์ที่ระบุไว้ล่วงหน้าจะถูกระบุว่าเป็นเชิงยืนยันและตีความด้วยระดับแอลฟาที่ระบุไว้ การวิเคราะห์เพิ่มเติมที่ดำเนินการหลังจากดูข้อมูลจะถูกระบุว่าเป็นเชิงสำรวจ ผลการวิเคราะห์เหล่านั้นถือเป็นการสร้างสมมติฐานมากกว่าการทดสอบสมมติฐาน และจำเป็นต้องมีการทำซ้ำก่อนที่จะสรุปผลที่แข็งแกร่ง
ฉันต้องใช้ขนาดตัวอย่างเท่าใดสำหรับการศึกษาเชิงยืนยัน?
ขนาดตัวอย่างควรกำหนดโดยการวิเคราะห์กำลังทางสถิติล่วงหน้าก่อนการเก็บข้อมูล โดยอิงจากขนาดผลกระทบที่เล็กที่สุดที่จะมีความหมายทางทฤษฎี กำลังทางสถิติที่ต้องการ (โดยทั่วไปคือ .80 หรือ .90) และระดับแอลฟา สำหรับผลกระทบขนาดกลาง (Cohen's d = 0.50 หรือ r = .30) ที่กำลังทางสถิติ = .80 และแอลฟา = .05 ข้อกำหนดทั่วไปจะอยู่ที่ประมาณ 50–130 ผู้เข้าร่วม ขึ้นอยู่กับการทดสอบ การใช้ชุดข้อมูลที่มีอยู่เพื่อหาเหตุผลเข้าข้างตนเองสำหรับขนาดตัวอย่างภายหลังไม่ใช่แนวปฏิบัติเชิงยืนยัน
การศึกษาเชิงยืนยันพิสูจน์ทฤษฎีหรือไม่?
ไม่มีการศึกษาเดียวที่พิสูจน์ทฤษฎีได้ การศึกษาเชิงยืนยันสามารถให้หลักฐานที่สอดคล้องกับการคาดการณ์ของทฤษฎีได้ แต่การพิสูจน์ต้องใช้หลักฐานที่สอดคล้องกันจากการศึกษาอิสระหลายชุดโดยใช้การนิยามเชิงปฏิบัติการ กลุ่มตัวอย่าง และการออกแบบที่หลากหลาย กรอบแนวคิดของ Popper ระบุว่าทฤษฎีสามารถได้รับการยืนยันหรือหักล้างเท่านั้น ไม่สามารถพิสูจน์ได้ — เป้าหมายคือการสะสมหลักฐานที่ทำซ้ำได้และสามารถหักล้างได้เมื่อเวลาผ่านไป
วิธีการที่เกี่ยวข้อง
แหล่งอ้างอิง
Popper, K. R. (1959). The Logic of Scientific Discovery. Hutchinson.
ISBN: 978-0415278447คัดลอกแล้วKline, R. B. (2013). Beyond Significance Testing: Statistics Reform in the Behavioral Sciences (2nd ed.). American Psychological Association.
ISBN: 978-1433812378คัดลอกแล้ว