Research Methods in Psychology

変数と母集団の特定と定義

変数と操作上の定義

仮説を立てることの一部として、研究したい変数を特定し、それらの変数を測定できるように操作上の定義を行うことが含まれます。 心理学の研究課題は、変数に関するものです。 変数とは、人や状況によって変化する量や質のことです。 例えば、ある大学のコースに登録している学生の身長は、学生ごとに異なるため、変数となります。 また、クラス全員が同じ専攻を選択していない限り、学生の選択した専攻も変数となります。 私たちの世界では、ほとんどすべてのものが変化するので、定数（変化しないもの）の例を考えるのははるかに困難です。 定数の稀な例としては、光速があります。 変数には、量的なものとカテゴリー的なものがあります。 量的変数とは、身長などの量で、通常、各個人に数字を割り当てて測定されます。 量的変数の例としては、話しやすさ、落ち込みやすさ、兄弟の数などがあります。 カテゴリー変数とは、選択した専攻のような質のことで、通常、各個人にカテゴリーラベルを割り当てることによって測定されます（例：心理学、英語、看護学など）。

研究者が仮説を立て、操作したり測定したりしたい変数を選択した後、研究者は興味のある変数を実際に測定する方法を見つける必要があります。 そのためには、操作上の定義、つまり変数をどのように測定するかを正確に定義する必要があります。 研究者が研究したいと思っている変数のほとんどは、直接観察したり測定したりすることができません。これは、科学的方法の中心が経験主義（観察）であるため、問題となります。 変数を操作的に定義するには、うつ病のように直接観察できない抽象的な構成要素を、直接観察・測定できるものに変換する必要があります。 ほとんどの変数は、さまざまな方法で操作的に定義することができます。 例えば、うつ病は、Beck Depression Inventoryのような紙と鉛筆で書くタイプのうつ病尺度のスコア、経験している抑うつ症状の数、または大うつ病性障害と診断されたかどうかとして、操作上定義することができます。

サンプリングと測定

操作や測定を行う変数を特定し、それらの変数を操作的に定義することに加えて、研究者は対象となる母集団を特定する必要があります。 心理学の研究者は通常、非常に大きな集団について結論を導き出すことに関心があります。 これを「母集団」と呼びます。 研究者の興味や目標に応じて、アメリカのすべてのティーンエイジャー、自閉症の子供、プロのスポーツ選手、あるいは単なる人間などが対象となります。 しかし、研究者は通常、母集団の一部またはサンプルを調査します。 例えば、数百人の大学生の話しやすさを測定して、一般的な男女の話しやすさについて結論を出そうとする研究者もいるでしょう。

サンプルを得るための方法の一つに、単純無作為抽出があります。 例えば、世論調査員は、ある都市の登録有権者のリスト(母集団)を用意し、その中から無作為に100人(サンプル)を選び、その100人に誰に投票するつもりかを尋ねることができます。 残念ながら，心理学の研究では，都市の登録有権者よりも母集団が明確に定義されていないため，無作為抽出は難しいか不可能です。 アメリカのすべてのティーンエイジャーや自閉症の子どもたちが，サンプルに選ばれるチャンスを均等にするにはどうすればよいのでしょうか？ ランダムサンプリングに代わる最も一般的な方法は，コンビニエンスサンプリングです。これは，たまたま近くにいて，参加したいと思っている人（心理学入門生など）をサンプルとするものです。

実験的研究と非実験的研究

研究者が取るべき次のステップは、データを収集するためにどのタイプのアプローチを使用するかを決めることです。 研究方法のコースで学ぶように、研究にはさまざまなアプローチがあり、さまざまな方法で分けることができます。 最も基本的な区別の1つは、実験的研究と非実験的研究です。

実験的研究

変数間の因果関係に関する仮説を検証したい（つまり、説明することが目的の）研究者は、実験的手法を用いる必要があります。 なぜなら、実験的手法は、因果関係を明らかにできる唯一の手法だからです。

実験研究の文脈では、独立変数と従属変数という言葉が使われます。

独立変数と従属変数という言葉は、実験研究の文脈で使われます。独立変数とは、実験者が操作する変数（推定原因）であり、従属変数とは、実験者が測定する変数（推定結果）です。

交絡は、実験研究に特有の用語でもあります。交絡とは、調査対象の変数とともに系統的に変化する外部変数（つまり、独立変数と従属変数以外の変数）のことであり、したがって、結果の代替説明を提供するものです。

例として、部屋の照明を操作して、作業者の生産性に及ぼす影響を調べる場合、照明条件（明るい照明と暗い照明）を独立変数、作業者の生産性を従属変数と考えます。 もし、明るい照明がノイズであれば、照明が明るいときにはノイズが存在し、照明が暗いときにはノイズが存在しないので、そのノイズは交絡要因となります。 もしノイズが光によって系統的に変化するならば、2つの照明条件における労働者の生産性の差が、ノイズによるものなのか光によるものなのかがわからなくなります。 つまり、交絡は悪いものであり、変数間の関係の性質について因果関係のある結論を出すことを妨げます。 しかし、照明がついているときも消えているときも部屋にノイズがある場合、ノイズは単なる外部変数（独立変数や従属変数以外の変数）であり、外部変数についてはあまり気にしません。

非実験的研究

人々の特徴を記述したり、変数間の関係を記述したり、それらの関係を使って予測を行ったりすることに興味がある研究者は、非実験的研究や記述的研究を行うことができます。 非実験的なアプローチでは、研究者は、自然に発生する変数を測定するだけで、操作はしません。 例えば、昨年アメリカで起きた携帯電話使用による交通事故死の数を測定しただけで、実際に携帯電話の使用を操作していない場合、これは非実験的研究に分類されます。 また、交通量の多い交差点に立って、交差点を通過する際のドライバーの性別と携帯電話の使用の有無を記録し、男性と女性のどちらが運転中に携帯電話を使用する傾向にあるかを調べた場合も、非実験的研究となります。 ここで重要なのは、「非実験的」というのは「非科学的」という意味ではないということです。 非実験的研究は、科学的な性質を持っています。 科学の3つの目標のうち、2つの目標（記述すること、予測すること）を達成するために使用することができます。

実験室調査とフィールド調査

研究方法の次の大きな違いは、実験室調査とフィールド調査の違いです。 実験室調査とは、実験室という環境の中で行われる調査のことです。

実験室での実験は、一般的に内部妥当性が高いとされていますが、フィールドでの実験は、自然環境の中で行われます。 内的妥当性とは、変数間の因果関係を確信を持って推論できる度合いのことです。 実験室環境で実験的研究を行う場合、外部からの余計な変数をすべて制御しながら1つの変数を操作するため、非常に高い内部妥当性が得られます。 独立変数を操作して従属変数への影響を観察し、実験グループや条件の違いが操作した1つの変数だけになるように他のすべてをコントロールした場合、従属変数の変化を引き起こしているのは独立変数であると確信することができます。

しかし、一般的に内的妥当性と外的妥当性はトレードオフの関係にあります。 内的妥当性が高ければ外的妥当性は低くなり、内的妥当性が低ければ外的妥当性は高くなる傾向があります。 外的妥当性とは、簡単に言えば、調査結果を現実の環境のような他の状況や設定にどの程度一般化できるかということです。 つまり、実験室での研究は外的妥当性が低く、フィールドでの研究は外的妥当性が高いということです。

最後に、何も操作しない非実験的な性質を持つフィールド研究があります。

最後に、何も操作しない非実験的なフィールド研究もありますが、自然環境の中で独立変数を操作し、外部の変数をコントロールするフィールド実験もあります。 全体的な質と外部変数の制御レベルに応じて、このようなフィールド実験は、高い外部妥当性と高い内部妥当性を持つことができます

。