統計学における三角測量

すべての測定方法は、それぞれ固有の欠点があるので、多くの場合、研究者は特定の事項に対して異なるいくつかの方法を用いて測定する。

例えば、米国の大学では、高校３年生が大学に進学してからどれくらいの好成績を上げていくかを判断するために、いくつかの異なる情報を利用している。

SATの成績結果、在籍高校での成績、小論文や自己評価表、教員からの推薦書などが、これに使用される異なる情報源となり得る。

同様に企業での雇用判断に関しても、職務経験、学歴、面接での印象、実技などから判断する就業後の潜在競争力など、さまざまな情報を基にして屈用を決定している。

このように、複数の異なる情報源からの情報を組み合わせて考察することによって正確な評価、もしくはより精度の高い評価を得る方法は、幾何学で既知の２点から３点目を推測する方法と同じように三角測量(triangulation)と呼ばれる。

三角測量の基本的な考え方は、ある概念の単一の測定方法による測定値の情報は、既知未知を問わず誤差が多く含まれているが、少なくとも１つ以上の既知の測定法によって知られている情報と組み合わせることによって、未知量の受容可能な測定にたどり着くことだ。

それぞれの測定方法には、誤差があることを予測し、同じ種類の誤差ではなく測定方法の違いによって生じる誤差の種類が異なり、結果として複数の測定方法よって、納得できる質や量を推測できる。

三角測量の方法を確立させていくことは、簡単ではない。

歴史的な試みの１つとして、1959年にキヤンベルとフィスクによって開発された多特性多方法行列分析法(MTMM: multitrait, multimethod matrix)がある。

彼らの目的は、用いた測定方法による部分の中から、目的に応じた測定結果を分離することにある。

彼らの方法論は、現在ではあまり使われておらず、またMTMM技法の十分な議論は基礎の範疇を超えるものであるが、その概念は測定誤差と妥当性について考察する際の有効な方法である。

MTMMは、いくつかの異なる方法によって測定された概念（特性）の相関行列である。

理想的には、同程度の異なるいくつかの手法特性に用いられる。

この行列では、同一の特質に対して測定された異なる測定方法での結果は非常に関連性が強いと期待できる。

例えば、知能を測る場合に、筆記試験、実技による問題解決能力判断、面接によって出されるそれぞれの結果は関連性が強い。

異なる特質を同一の測定方法で測った場合の結果は、例えば、知能と礼儀と社交性を筆記のみにて測定した場合の結果のように、関係性は現れない。