mooncircle

研究計画を考えるこの季節、修士論文や卒論に取り組む初学の方から

「アンケート調査をしようと思っています」

という言葉をよく耳にします。

アンケート自体は有用な手法ですが、残念ながらその多くが
「聞きたいことをとりあえず聞けばいい」という安易な発想に基づいているように思います。

なかには、まだ研究目的すら明確でない段階で
「次の指導の回に質問項目を仕上げたい」
「サポートしてもらえば1回で作れるでしょ」
といった姿勢の人もいて、正直なところ研究を軽んじているように感じてしまうのです。

アンケート調査は、単に知りたいことを羅列すれば成立するわけではありません。
研究目的や先行研究との関連が曖昧なまま質問を作ってしまうと、
分析段階になって
「何が言えるのかわからない」
「質問がバラバラで一貫性がない」
といった問題が噴出しがちです。

提出直前になってから大慌てで修正を試みても、すでに回収済みの回答データを再収集するのは困難ですし、そもそも作り直しには多大な労力がかかります。

既存の尺度を使う場合でも、
なぜその尺度が必要なのか、
先行研究ではどう使われどんな成果が得られたのか
を踏まえる必要があります。

さらに、自分の研究目的に合うように項目を削ったり追加したりする際には、
理論的根拠を示さなければなりません。
こうしたプロセスを丁寧に踏むことで、アンケート調査はようやく「研究」として成立します。

「サポートさえあれば一回で済むだろう」
という依存的な考えや、
「アンケートくらい簡単だろう」
「ちょっと面白そうだからやってみる」
という程度の姿勢では、せっかく時間と手間をかけて行う調査の価値が大きく損なわれてしまいます。

アンケート調査の設計は地味で時間のかかる作業ですが、研究の軸をしっかりと定め、先行研究との整合性を検討し、質問の裏づけを明確にすることが、実りある成果を得るための最短ルートです。

研究を甘い見識や期待で始めるのではなく、じっくりと腰を据えて取り組んでいただきたいと、切に願います。

時々受講生の方から、

調査に必要な対象者数や、すでに行っている

調査の対象者数の妥当性について質問を受けることがあります。

そのような際、「被験者が20名で統計分析を行います」といった声を聞くこともあり、被験者数の重要性が軽視されていることが危惧される場合があります。

実際にはどの程度のサンプルサイズが必要なのでしょうか。

今回は、特に相関分析を例に、

必要な被験者数について解説します。

【１】相関分析に必要な被験者数の目安

相関分析における必要な被験者数は、

効果量の大きさ、

信頼水準、

検出力（通常は80％）

によって異なります。一般的なガイドラインは以下の通りです：

1. 効果量が中程度 (r = 0.30) の場合80％の検出力を確保するには、約85名以上の被験者が必要。
2. 効果量が大きい (r = 0.50) 場合40名程度の被験者がいれば、大きな効果を検出するのに十分。
3. 効果量が小さい (r = 0.10) 場合、有意に検出するためには約780名の被験者が必要。

【２】効果量とは？

効果量とは、統計的な分析で観察される効果の大きさや強さを示す指標です。

相関分析では、効果量として相関係数 (r) が使われ、変数間の関連の強さを示します。

単に「相関があるかどうか」だけでなく、

「その相関がどれほど強いか」を判断するために役立ちます。

例えば、

「相関係数が0.10あれば関連があると言いたい」という場合、

統計的に有意な結果を得るためには

約780名の被験者が必要となります。

これは、一般的な80％の検出力と5％の有意水準に基づく目安です。

【３】サンプルサイズと統計的検出力

相関が小さい場合、サンプルサイズが十分に大きくなければ有意な結果を得るのが難しくなります。

統計的検出力を確保し、研究結果が信頼できるものであることを示すためには、

効果量に応じた適切な被験者数を設定することが重要です。

統計分析を計画する際には、

必要なサンプルサイズを正確に見積もることが、信頼できる分析結果を得るための鍵となります。

【修論提出にむけての第一ハードル】

「修士論文は提出すれば通る」という話をよく耳にします。

確かに、提出できればほとんどの場合合格しますが、

その前に重要な関門があることを忘れてはいけません。

実際、論文の提出許可を得るまでに、指導教官や主査・副査による厳しいチェックが行われ、多くの学生が

この段階でふるいにかけられます。

多くの大学院では、１１月末から１２月にかけて仮提出が行われ、ここで論文の完成度が確認されます。

この段階で

「提出しても通らない」と判断されれば、正式な提出を許されないこともあります。

仮提出とはいえ、指導教官や査読者の指摘に真摯に対応し、質を高める努力をすることが、最終的な合格に繋がります。

このプロセスは非常に重要であり、

実質的に提出前の最終審査と考えることができます。

【提出後の厳しい審査】

仮に提出できたとしても、完成度が低ければ不合格になることは珍しくありません。

例えば、指導教官が良しとしても、

口頭試問や副査からの厳しい指摘で、論文の修正を求められ、不合格になるケースもあります。

実際、私たちのところにも毎年４月や５月頃になると、１月に不合格になった修士論文の再提出に向けたサポート依頼が多く寄せられます。

大学院によっても審査の基準は異なり、同じ完成度の論文でも、大学院によっては通る場合もあれば、厳しく評価される場合もあります。

【過去に不合格になった一事例】

以前、提出２か月前に認知心理学の実験論文のサポート依頼を受けたことがあります。

実験の仮説や目的が思い付きに近く、実験そのものが未完成の状態でした。

時間も限られていたため、とにかく実験を行い、結果と考察で体裁を整えて急ぎまとめる形で進めました。

結果的に、実験の結果は当たり前の内容であり、仮説の新規性も欠けていました。

しかし、この方は「とにかく出せば通るので形が出来上がっていればよい」というスタンスで、大学院ん名前を言いたくないとのこと、また、提出の段階で大学側が仮評価を行わない方針だったため、そのまま提出されました。

後日、口頭試問において

「仮説の論理性が薄いこと」

「実験自体が学部レベルであること」

が厳しく指摘されました。

この結果、厳しい評価を受け、不合格となったのです。

このレベルでも実験を行い考察していれば合格となるパターンが多いのですが、今回は厳しい評価でした。

大学院名が入った書類で、トップレベルの研究大学院であることがこちらも把握でき、「それなら納得」と思ったケースでした。

大学院名を明かしたくない方もいらっしゃいますが、最初からわかっていれば「この研究計画では通らない」とアドバイスできたと思います。

こういった事例からもわかるように、

論文の質が大学院によって異なる基準で評価されることを理解することが重要です。

【出せば通るという考えのリスク】

「修士論文は提出すれば通る」という考え方は、やはり危険です。

確かに一部の大学院では、提出後に最低限の基準をクリアすれば通る場合もありますが、それを期待してはなりません。

むしろ、論文の質をできる限り高め、完成度を上げるための努力を惜しまずに取り組むことが、合格への最も確実な道です。

今の時期、多くの方がデータ分析を終えて、論文執筆、特に考察部分に取り組んでいるかと思います。

統計分析を行った結果、

仮説通りの有意な結果が得られなかった…

そんな経験をされた方も多いのではないでしょうか。

パニックになってしまうこともあるかもしれませんが、

それも一つの結果です。

重要なのは、冷静にその結果を受け止め、

「なぜ仮説通りの結果が得られなかったのか」を考えること。これが「考察」です。

仮説が実証されるかどうかは論文全体に大きな影響を与えますが、

仮説に関連する小さな結果が予測通りにいかないこともよくあります。

多くの方は「ただの付随結果」として流してしまいがちですが、

そこにこそ重要な学びがあります。

以前、ある発表会で、付随する結果をスルーされた発表がありましたが、聴衆にいた有名な教授が指摘しました。

「小さなことにも目を向け、なぜそうなったかを考えることが、今後の研究者としての質を左右する」と。

私はその言葉に深く感銘を受けました。

予測から外れた結果には、思いもよらない発見が隠れているかもしれません。

がっかりせず、またスルーせず、

なぜそのような結果になったのかを改めて考える姿勢を大切にしてください。

先日、東京の対面個人指導で、４時間ぶっ通しで、

修論論文作成のプロセスを進めた時のホワイトボードをアップしながら説明していきたいと思います。

この方は、観察記録のデータを多く収集できている状況であったものの、

目的や先行研究の検討がまだ充分でなかあったため、

とりためたデータからベクトルを反対に向けて、目的や先行研究を精読していこうということになりました。

まずは、取られているデータを拝見して、

どのような研究視点が抽出できるかを一緒に検討していきました。

様々なポイントは自由に考えられるものの、

後々の考察や先行研究とのつながりを意識して、ピックアップしていかねばなりません。

データを取っておられた時は何となく取っていたということでしたが、そこには何らかの意図があったはず。

それを説明していただきながら、

一緒に、データを精査して抽出できる点をホワイトボードの板書していきました。

こうして可視化することで、漠然ともやもやとしていたものがはっきりと形を成してくるのをいつも面白く思います。

インタビュー調査であれ、アンケート調査であれ、データだけ先に集めてしまった、どうしようと悩んでいる方は、まずはそのデータをぐっとにらんで、

どのような研究視点が抽出できるか、文字で書き出してみてくださいね。

可視化することで、漠然としていた思索が究極的に意識に明確に上がって、整理できるようになります。

調査や実験の研究計画を立てる時、まず最初の関門は

被験者収集の検討をつけることではないでしょうか。

いくら良い研究計画ができても、

被験者を収集する算段が立てられないなら、何も前へ進むことができません。

回収率が高くて、一番効率が良いのは、

指導教官が自身の講義の後で、配布回収してくれるという方法。

これは回収時期や回収数の目安もつきやすく、確実性が高いので、かなり良いケースです。

しかしながら、研究の内容によっては、大学生以外の被験者も必要になることもあるでしょう。

そういうとき、知人のツテを頼ってという方法も、

いわゆるスノーボール方式という方法で、考えられるわけですが、質的研究なら必要数は集められるでしょうが、

１００を超える被験者数が求められる量的研究になると限界があるかもしれません。

最近ではSNSを使って、被験者の募集をかけるという方も時たまみられます。

この方法は、指導教官や所属の研究科によっては認められないこともあるので、

事前に確認が必要です。

コロナ禍の影響もあって、リアルは紙ベースの質問紙を配布できないという制限もあって、

最近ではGoogleフォームというGoogleが提供するアンケートの書式などを活用し、サクッと集められる方も増えてきました。

しかしながらすべてがそのようなフォームで対応できるとは限らず、例えば、、全国や地域限定で、なんらかの施設等を対象にアンケートをお願いする場合などは、郵送で調査用紙を配布して、返送をお願いして回収するという方法をとらざるを得ない時もあります。

このような場合は指導教官からのお願いの一筆やご連絡があれば、回収率は上がりますが、いわゆる飛び込みで配布する場合は、回収率は今まで

平均して２０％程度でした。

これでも、回収率としては良い数字と言われています。

言い換えれば、予定している回答数の5倍以上を胚珠しないといけないという計算になります。

今までで是が非でもという必死の努力を感じたのは、学食て友人と手分けして、アンケートを取りまくってきた人がおられました。

テーマが、大学生にとって興味深かったこともありますが、ほぼ三日で、１５０ほどのデータを集めるという快挙でした。

その他には謝礼を弾む、という手で、集められた方もおられます。

一時間ほどの認知心理実験の被験者募集で、２０－３０名の被験者集める必要があった際に、協力者には終了後、お菓子に、生協の５００円のプリペイドカードをお渡しるつということを友人通じて告知されたところ、あっという間に集まりました。

被験者が集まらないと、せっかくの研究計画も計画倒れ。

反対に言えば、

集まる被験者の目論見を立てて、それに合わせて実験計画を考えるというのも、現実的な一つの方法だと思います。

これから研究計画を立てられる方は、被験者集めの具体的な方法と可能性にも留意しながら進められてくださいね。

結果を統計で分析する。。。。と聞くと難しく聞こえるのですが、複雑な計算は統計ソフトがやってくれるので、

数値を出すだけならさほど難しくなく、実際やってみたら「案外簡単！」

と思われるかもしれません。

しかしながら、ここに魔物が住んでいます。

実際、論文を提出されてからのちに、口頭試問のサポートのお問い合わせをいただいたケースで、何だか数値は書かれているものの、

「有意な数値」の「有意」を間違って理解されていたり、

分析で得られた数値の意味を十分に認識されていなかったりで、

根本的に結果が間違えている、というケースがこれまでいくつかありました。

このようなケースでは

「なぜこの統計分析を行ったのか、その意図は何ですか？」

と質問すると

「先行研究でされていたからまねした」

というお答えが多いです。

先行研究の分析と同様の方法で追試するというのはありではあるのですが、それは追試の場合であって、

研究のオリジナリティ（独自性）を追求するならば、

新たな視点で、

明確な目的をもった統計分析が当然求められます。

何を明らかにするためにそれを行っているのか自分で、しっかりと理解して行わないと、何の考察も生まれてこない。

それからまた、単純集計をもって統計分析をした、と考えている方が時々見られるのですが、

それは文字通り集計しただけのもの。

コロナ禍で直接的に渡す紙ベースの質問紙調査が敬遠され、Googleフォームのアンケートを使う人がほとんどだった昨年度、Googleフォームでディフォルトで集計されてくる記述統計、いわゆる短銃集計をもって統計したという人が意外にも多かったので、あえてここで、注意喚起しておきます。。

統計は統計ソフトが数値を出してくれるので、何となく、やった感を得て、ほっとしてしまう人がいるけれども、

統計はあくまでツール。

何を検証するために、ツールを使うのかを明確に自分で理解しておかなければなりません。。

また、ツールの中でもトンカチを使うのか、のこぎりを使うのか、言い換えれば、相関分析をするのか、多重比較をするのか、重回帰分析をするのか、など、

目的に沿った道具を使わないといけない。

その根本的な失敗の原因のルーツをたどっていくと、研究計画の段階で目的が明確でなかったことにある場合が多いです。

そこで、結局は基本に立ち返るのですが、研究計画をしっかり構築しておくことが重要で、

その延長上にやるべき統計分析が見えてくるわけで、

また当然のことながら、

統計の基礎基本の概説書を１冊は手元に置いて統計を進めることが必須なのは言うまでもありません。

昨年度に修論提出後、口頭試問で不合格になられて、サポートをお申込みいただいた事例から、アンケート調査で失敗されたケースに多かった特徴について、今日は記事を書きたいと思います。

アンケート調査でよくある失敗は、

あまり深く考えずに聞きたいことをとりあえず質問項目で並べて質問紙氏を作成してしまったという事例です。

それに加えて、

先行研究でやっていたからという理由でよく考えずに

適当に統計分析をした、

あるいは、「統計分析」といえども実際は

単純集計をしただけと、さらに追い打ちをかけて失敗した事例もよく見られます。

究極的に失敗のもとをたどると、

何を明らかにするのかの目的が、

自分の興味関心からのみ出発していて、

先行研究から得られた知見の検証をベースにしていなかった、

要は、これ聞いたら面白い、といった発想でアンケート全部が作られていたということに尽きると思います。

そもそもアンケートという言葉を使うと一般的なアンケートと取られるので、

質問紙調査というべきかもしれません。

とにかく、聞いたら面白いといった発想ではなく、

こんな仮説が立てられるからそれを明らかにするためにアンケート調査を行うと考えるべき。

そして、その仮説がなぜ成り立つかのエビデンスは先行研究から明らかにするべきです。

アンケート調査をするときに、一般的なイメージのアンケートを想定するのでなく、

量的研究の手法についてまずしっかり理解してからはじめましょう。

量的研究で必要なサンプル数の質問をよく受けます。

競争的資金を得た大きな調査ならばともかく、卒論や修論で行う調査では統計的に必要な数と実際に収集できる数には乖離がある場合が多く、これまでの経験からおよそ１００～２００と答えています。

正確に計算することはできますか、といった質問をうけることもあり、それに対しては統計ですからサンプル数を計算式で算出する、というのが回答になります。

必要な数字は出現率（母比率）と誤差と信頼度です。

出現率（母比率）は調査対象とする集団（母集団）に、調査する条件を満たす対象がどれぐらい含まれるかの比率で

０ < 出現率（母比率） < １００の範囲、

誤差はサンプルの比率が出現率（母比率）の上下で何％の範囲内にあるか（サンプル数を出したいときは上下で何％の範囲内にしたいか）の比率で

０< 誤差 < １００の範囲、

信頼度は母集団の平均値が信頼区間内に入る確率（サンプル数を出したいときは何％の確率にしたいか）のことで

９０< 信頼度 < １００の範囲、となります。

例えば、１００のサンプルに対して、信頼度９０％、誤差が５％だと９０のサンプルについてサンプル比率と母比率との差が上下５％内にあるということになります。

実際の調査では出現率（母比率）はわからないことが多いので、、一番厳しい（大きい）数字が出てくる５０％を入れておくと確実です。

実際の数式はこのブログの一番上の画像におきました。

これは、エクセルで以下の関数を入れても計算できます。

=NORMSINV(1-(1-信頼度/100)/2)^2/サンプリング誤差^2*出現率*(100-出現率)

例えば、誤差が５.０％、信頼度が９５.０％、出現率が５０.０％だと必要なサンプルサイズは３８４となります。

しかしながら、実際、一学生としてこのサンプル数を集めることは難しく、およそ、指導教官の方々は経験上から必要と考えられる数を教示される場合が多いです。

「だから、なんぼやねん！」、と言われそうですが、私の個人的な感覚からは（あいまいな書き方ですみません。）相関を出す必要があるならば１５０から２００ぐらいかなと思います。

目安の一つとして参考にされてください。