▼▼▼▼▼▼▼▼
チャンネル登録はこちら

仮説の検定

仮説は，統計学的手順をとおして正式に検定する．

つまり，研究者は統計によって，仮説が正しいという確率が高いかどうかを判断する．

しかし，仮説の検定によって仮説が立証されるのではなく，採択される，または支持されるのである．

研究結果は常に暫定的である．

確かに，何回もの研究で同じ結果が反復される場合は，結論はより信頼できるものとなる．

証拠を積み重ねることで，仮説はさらに支持されるようになる．

なぜそうなるかをもっと詳しくみてみよう．

たとえば，「身長と体重には関係がある」という仮説を立てたとしよう．

「背の高い人は低い人よりも平均して体重が重い」と予測する．

次に，標本を選んで身長と体重を測定し，データを分析する．

さて，ここで，たまたま背が低く体重が重い人からなる標本と，背が高くやせた人からなる標本を選んだとしよう．

そうすると，「個人の身長と体重には関係がない」という結果になるかもしれない．

その場合に，この研究は，人間の身長と体重には関係がないと立証された，または示された，と述べることは正しいといえるだろうか．

次の例では，「背の高いナースは，背の低いナースよりも有能である」という仮説を立てたとしよう．

実際には,身長と看護能力とに関係はなく，あくまで説明をわかりやすくするための仮説である．

さて，ここでも背の高いナースの標本が背の低いナースの標本よりも高い評価を得る，ということがたまたま起きたとしよう．

われわれは，これによって，「身長がナースの能力に関係がある」と断定的に結論できるだろうか．

この２つの例は，標本から得た観察を母集団に一般化することのむずかしさ奇示すものである．

ほかにも，測定の正確さや，コントロールしていない外生変数の影響，もとになる前提の妥当性などの問題を考えれば，研究者の仮説が立証されたと最終的に結論づけることはできない．

統計学的検定は，仮説を検定するためにデザインされているので，研究者が統計学的検定する場合（大部分の量的研究で行われているが）：研究者がはっきりと仮説を陳述していなくても：必ずそこには仮説がある．

研究を計画する場合，予測つまり仮説を陳述することを恐れてはならない，

量的研究の例

ヴァン・サーヴレン，アギール，サルナ，ブレッド〔Van Servellen, Aguirre, Sarna, & Brecht, 2002〕は，ＨＩＶに感染した男性と女性における情緒的苦痛を研究した.

AIDS男性の比率は減少し，女性の比率は増加しているにもかかわらず, HIVに感染した女性の健康上の体験について記述した研究が，男性のそれに比べてわずかしかないことに，研究者は注目した．

ひとたびＨＩＶに感染すると，女性のほうが男性よりも関連疾患の罹患率が高く，深刻な結果となる危険が高いという確かな証拠があるため，研究が少ないことにはとくに問題があった．

研究目的は，「地域を基盤とする治療センターでのケアを求めている，HIV症状のある男性と女性の情緒的苦痛を記述し，そのパターンを比較すること」である，と研究者は陳述した.

研究者は，社会人口学的特質，健康状態，ストレス抵抗資源などについて，性別による相違点や類似点を理解することによって，「ＨＩＶ感染クライエントの生活の質を改善し，情緒的苦痛を軽減するための，性別に対応したプログラムをデザインする際に役立つ重要な情報を提供すること」ができたと記した.

この研究の概念的枠組みは，帰属理論である．

これは，生活ストレスと情緒的苦痛とのつながりを説明する．

この枠組みによって，次の４つの研究仮説が導かれた．

仮説１：社会人口学的脆弱性（例：高等学校卒業に満たない教育程度）は，男性，女性双方の情緒的苦痛に関連している．

仮説２：身体的，機能的に低い健康状態が，男性，女性双方の情緒的苦痛に関連している．

仮説３：楽観性と社会的支援が，男性，女性双方のポジティブな精神的健康状態と関連している．

仮説４：女性は，男性よりも情緒的苦痛が高いレベルにある.

研究データは，ロサンゼルスに住む82人の男性HIＶ患者，44人の女性ＨＩＶ患者から収集した．

男性よりも女性のほうが，身体的，心理社会的に良好な状態が阻害されているという結果が示され，これは仮説４と一致していた．

身体的健康と楽観性は，男性と女性ともに，情緒的苦痛の主要な予測因子であり，仮説２および３が支持された．

しかし，低所得層からなるこの標本では，仮説１は支持されなかった．

つまり，社会人口学的脆弱性の指標と，対象の不安や抑うつレベルとのあいだには有意の関係はなかった．

質的研究の例

べーリ，ソマーズ，ホール〔Beery, Sommers, ＆Hall, 2002〕は,恒久的心臓ペースメーカーを装着している女性の体験を研究した．

ペースメーカーのような生物工学的器具を，身体の不調管理のため装着するケースが増えているが，このような体験の情緒的影響はあまり研究されていない，と研究者は陳述している．

さらに，テクノロジーがもつ男性という文化的メッセージゆえ，女性がペースメーカーの装着に独特の反応を示すにもかかわらず，恒久的心臓ペースメーカーへの女性特有の反応がほとんど知られていないと記している．

ベーリらの研究の目的は，徹底的な面接から女性のライフ・ストーリーを明らかにすることで，ペースメーカー装着への女性の反応を探索することだった．
研究者は，「恒久的心臓ペースメーカーとともに暮らす女性の体験とはどのようなものか」，

「どのように女性は恒久的心臓ペースメーカーの存在を自分の生活や身体になじませていくのか」という，２つの研究設問を明記した．

大病院の心臓科に通院する11人の女性が標本となって，研究に参加した．

面接では，ペースメーカー装着前,装着の施術中,装着後の生活上のできごとについて，一連の質問がなされた．

各女性が，２つの面接を受けた．最初の面接における質問の一例は，「あなたにとって，ペースメーカーをつけて生活するというのはどのようなものか」である．

次の面接では，「ペースメーカーのことを，どれくらいの頻度で考えるか」とか「どんなときにペースメーカーをつけていることを思い出すか」といった，より限定された質問がなされた．

研究者の分析の結果,面接データから８つのテーマが現れた．

それは，「ケアを断念する」，「ペースメーカーを自分のものと認める」，「恐れと抵抗を体験する」，「身体をイメージする」，「正常化する」，「介護者として位置づける」，「回復力を知る」，「全能感を感じる」である．

・研究問題は，研究者が学問的探究によって取り組もうとしている，混乱した不可解な状況である.

・研究者は，通常，幅広いトピックを特定し，問題の範囲を絞り，選択したパラダイムと一貫した研究設問を特定する.

・看護の研究問題のためのアイデアのもっとも一般的な源泉は，経験，関連文献，社会問題，理論，外的資源である.

・研究問題の価値は，さまざまな基準に基づいて考えなければならない．研究問題は，臨床的に重要で，研究可能であり（道徳的，倫理的性質の課題は不適切である），実行可能であり，個人的な関心をもつものでなくてはならない.

・実行可能性には，時間，研究参加者やそのほかの人たちの協力，設備と備品の入手可能性，研究者の経験，倫理的配慮などの課題がある.

・研究者は，研究報告のなかで，問題の陳述，目的の陳述，研究設問，そして仮説というかたちで，研究のねらいを伝える．問題の陳述は，研究する問題の本質，背景，重要性を明らかにする.

・目的の陳述は,研究の全体的な目標を要約したものである．量的研究でも質的研究でも，目的の陳述は主要な概念（変数）と研究の対象となるグループもしくは母集団について明らかにする.

・目的の陳述は,動詞や主要な用語をもちいて，その質的研究が根ざす研究の伝統を，量的研究の場合は実験研究か非実験研究かを明らかにすることが多い.

・研究設問は，研究者が研究問題に取り組み，答えを求めようとする特定の問いである．通常，量的研究における研究設問は，関係の存在，性質，強さ，方向性である.

・研究設問には，独立変数と従属変数との関係の強さや方向性に影響する調節変数を含むものがある．独立変数と従属変数とのあいだに介在し，関係が存在する理由を説明する助けとなる仲介変数を含む研究設問もある．

・量的研究では,仮説は，複数の変数間に予測される関係の陳述である．検証可能な仮説は，１つまたは複数の独立変数と，１つまたは複数の従属変数のあいだに予測される関係を陳述する.

・単純仮説とは，１つの独立変数と，１つの従属変数のあいだに予測される関係をいい，複雑仮説とは，複数の独立変数と複数の従属変数のあいだに予測される関係をいう（または仲介変数もしくは調節変数についての予測を陳述する）.

・方向仮説は，関係の方向性を予測する．非方向仮説は，関係の存在を予測するが，その方向性を予測しない.

・研究仮説は，関係の存在を予測する．統計学的仮説または帰無仮説は，どんな関係も存在しないことを示す.

・仮説は，究極的な意味で証明も反証もできない．データによって，仮説は「採択される」または「棄却される」，もしくは「支持される」または「支持されない」．

仮説の検定は、科学的な研究プロセスの中で極めて重要な役割を果たしており、研究者がある仮説が正しいかどうかを統計的な方法を用いて評価する手段として用いられます。このプロセスでは、単に仮説が「正しい」と証明されるわけではなく、統計的なデータに基づいて仮説が支持されるか、もしくは棄却されるかが決定されます。したがって、仮説の検定とは一つのプロセスであり、その結果は暫定的なものであり、確定的な結論を示すものではないことを理解する必要があります。まず、仮説の検定の流れを簡単に説明すると、研究者は特定の現象や事象に基づいて仮説を設定し、その仮説をもとにデータを収集し、統計的手法を用いてその仮説がデータによって支持されるかどうかを評価します。この過程で、仮説が正しいとされる確率が一定の基準を超えると、仮説が支持されるという結論に至ることができますが、それでもなお、その結論が最終的に確実なものとは言えません。すなわち、仮説の検定は多くの不確実性を伴うものです。この不確実性の原因の一つは、標本の選択に関わる問題です。例えば、ある仮説に基づいてデータを収集する際に、意図的または無意識のうちに特定の傾向を持つ標本が選ばれてしまうと、その結果は母集団全体を正確に反映しない可能性があります。標本の選び方によっては、偶然にも仮説に反するデータが得られることがあり、その場合に誤った結論に導かれてしまうことがあります。例えば、「身長と体重には関係がある」という仮説を検証する際に、たまたま背が低くて体重が重い人や背が高くて痩せている人から成る標本を選んでしまうと、「身長と体重には関係がない」という結果が得られるかもしれません。しかし、このような標本は母集団を正確に反映していないため、この結果をもとに「身長と体重には関係がない」と断定するのは誤りです。これが、仮説検定において標本選択の重要性が強調される理由の一つです。同様に、測定の正確さも仮説検定において重要な要素です。データを収集する過程で用いる測定器具や方法が不正確であった場合、その誤差が仮説検定の結果に影響を与える可能性があります。また、研究において統制されていない外的要因、つまり外生変数が結果に影響を与えることもあります。これらの要因が研究結果に干渉すると、得られた結果が仮説に基づくものかどうかが不明確になり、仮説が正しいかどうかを判断することが難しくなります。仮説検定におけるもう一つの重要な概念は、「帰無仮説」と「対立仮説」です。帰無仮説とは、仮説検定において通常採用される初期仮定であり、「仮説に基づく現象が存在しない」という立場を取ります。一方、対立仮説は、研究者が支持したい仮説であり、帰無仮説とは逆の立場を取ります。仮説検定の過程では、統計的な検定を通じて帰無仮説が棄却されるかどうかを判断し、帰無仮説が棄却されれば対立仮説が支持されるという結論に至ります。このプロセスで得られる結論も暫定的であり、完全に確実なものではありません。何度も同じ結果が得られる場合、仮説はより強く支持されますが、それでも新しい証拠や方法によって仮説が覆される可能性は常に残っています。このように、仮説検定の結果は科学的な知見の蓄積の一部として捉えられ、絶対的な真理としてではなく、仮説の支持または棄却という形で理解されます。ここで、仮説検定の具体例を挙げてみましょう。例えば、「背の高いナースは背の低いナースよりも有能である」という仮説を立てたとします。この仮説に基づいて、標本を選び、背の高いナースと背の低いナースの仕事の評価を比較することができます。しかし、ここでも標本選びに偏りが生じる可能性があります。仮に、たまたま背の高いナースが高い評価を得る標本が選ばれた場合、その結果をもって「背の高さがナースの有能さに関係している」と断定するのは誤りです。この例からもわかるように、仮説検定の結果を一般化する際には慎重さが求められます。さらに、仮説検定の結果は、コントロールされていない外的要因の影響を受ける可能性があります。たとえば、ナースの評価においては、彼女の身長以外にも、経験や技術、病院の設備やスタッフのサポートなど、多くの要因が影響を与えることが考えられます。これらの外的要因をコントロールしないまま結果を一般化してしまうと、誤った結論に導かれるリスクが高まります。このように、仮説検定のプロセスは非常に複雑であり、データの収集や分析において細心の注意が求められます。加えて、仮説が支持された場合であっても、それが最終的な結論であるとは限らず、他の研究によって再検証される必要があります。仮説検定においては、複数回の研究で同じ結果が得られることが重要です。これは、科学的知見が再現性に基づいているためです。同じ仮説に対して異なる研究者が異なる方法で実験やデータ収集を行い、同様の結果が得られることで、その仮説はより強く支持されることになります。この再現性がなければ、仮説は一時的なものに過ぎず、確固たる科学的事実として受け入れられることはありません。実際の研究において、仮説検定の結果はしばしば統計的な指標として表されます。この指標の一つが「p値」です。p値は、帰無仮説が正しいと仮定した場合に、観測されたデータが得られる確率を示します。p値が一定の基準（通常は0.05）を下回ると、帰無仮説を棄却し、対立仮説が支持されると判断されます。しかし、p値が低いからといって、仮説が絶対的に正しいというわけではありません。p値はあくまで仮説を支持する一つの指標であり、他の要因やデータの再現性も考慮する必要があります。仮説検定の結果を解釈する際には、このような統計的な概念を正しく理解し、慎重に判断することが求められます。さらに、仮説検定における誤りの可能性についても理解しておく必要があります。