第10章 単一事例研究の用い方

 因果効果の確認を単一の観察に基づいて行う方法として、決定的事例研究が挙げられている。しかしキング=コヘイン=ヴァーバは、このような逸脱事例によって理論を検証するアプローチを2つの理由から批判している。1つ目は、観察が1つでは確定的なことは言えないからという理由で、2つ目は観察には誤差が生じるからという理由である。しかし決定的事例研究は、理論仮説の検証ではなく仮説の構築や改善に用いられるものだと筆者は述べている。たしかに観察事例が1つでは、理論を検証してもそこから決定的な確証を得ることや反証することは難しいだろう。しかしながら、単一事例で理論仮説の改善すらも行ってよいのかという点に疑問を感じ、今回のディスカッションテーマとした。

 しかし、理論仮説の改善について行ってよいかという問いでは、すでに行われているため適切ではないという意見が出たため、改善すべきかどうかというテーマでディスカッションを行うこととした。また、これだけでは議論が難しいと考えたため、実際の例として「資源の呪い」理論をベネズエラの事例を用いて改善したダニングと、経済成長と民主化の関係について中国やインドを用いた事例を取り上げた。意見としては、改善すべきという立場がほとんどであった。その理由として、改善しているというよりも既存の理論にプラスアルファで追加しているイメージだからや、新しいデータとして理論に含めるべき、なぜ逸脱事例であるのかを論理的に説明できるのであれば改善してもよい、といった意見が出た。逆に改善すべきではないという立場の人からは、複数事例ならば改善してもよいが単一では難しいのではないかや、その事例が外れ値であったら改善すべきではないという意見が出た。

 今回は、逸脱事例と外れ値の事例についての区別が自分でも明確にできていなかったため、改善すべきという意見に議論が偏ってしまった。私個人としては、単一であるからこそ簡単に改善してはいけないと考えていたので、もう少し意見にばらつきが出ると考えていた。しかしながら、単一事例研究は単一であるからこそ、その事例を選んだ理由や、その事例が既存理論に対してどのような役割を果たすのかを考えて研究する必要がある。その点を考える上では、今回の議論は意味のあるものであったと思いたい。

ことう(3年)

第9章 比較事例研究の可能性

 第9章では、少数の事例を絞って質的研究の因果推論を行う上での方法について述べられていた。質的研究の因果推論を行う方法としては、ジョン・スチュアート名づけたの差異法と合意法に二つに分類される。一つ目は差異法である。差異法とは異なる結果を占めている複数の事例を比較して、その違いをもたらした原因を推論する方法である。二つ目は合意法である。合意法では、複数の事例にともに生じたある事象の原因として、これらの複数の事例に共通して存在する要因を探すことで、因果関係の推論を行う方法である。しかし、二つの質的研究の因果推論を行う方法をそれぞれのメリットとディメリットがあるので、このような方法は実際に私たちが就活するにあたって少数の先輩を絞って就活のことを聞く時に、どちらの方法を使った方がいいのだろうか。そこで、私達が実際に就活を始めた時に、差異法と合意法どちらを使うべきだかという疑問を持ったため、このテーマにディスカッションを行なった。

 今回のディスカッションの前提は、内定をもらった先輩と内定をもらっていない先輩という従属変数を設定したのである。独立変数は、ゼミナールのメールリストの就活報告メールを読むことが原因とした。また、他の変数では、ゼミナールのメールリストの就活報告メールを読むこと以外として、就活の動きの時間や勉強時間などがあった。議論を始める前に、ゼミ生がどちらかを使うか人数を測り、30人の中に差異法を使う人数は20人だった。一方で、合意法を使う人数は10人だった。多くの人が差異法を使う理由としては先輩の失敗した要因を知ることができること、自分と照らし合わせ、細かいことまで分かり、面接する時に、同じような失敗を起きないように別の言い方ができる。しかし、ディメリットとしては、実際に先輩たちが失敗した本当の要因が分からない。その要因を知っても役に立たない。そして、合意法のメリットは、成功した先輩の共通点が見つかりやすく、参考になる。成功した人に成りきることができること。自分に関係している事が含まれていることなどがあげられる。一方で、合意法のデメリットとしては、先輩が受かった理由がわからないこと、失敗した人を見てもプラスにならないことなどがあげられた。

 このような議論が進んでいるなか、私が1日前という時間の条件を入れたことによって、多くの人が合意法の方を選択することがわかった。一方で、差異法が良いと考えるゼミ生もいた。理由は、直前に失敗する理由を見ることが大事と考える人もいた。議論の最後に、人数をはかった結果、30人の中に差異法を使うと人数は11人になって、一方で合意法を使う人数は19人になった。そこで、分かったことは時間的制約を設けなければ差異法が多かったが時間的制約を設けた結果、合意法の方が多くなった。就職活動を行う上で始めたころは、差異方を用いて先輩の就活を分析し、自分に合ったやり方を見つけることが大切である。また、時間がなくなった場合は合意法で成功要因などを分析して面接に臨む方が良いと考える。

タン(3年)

原因を推論する 第7章 他の変数の統制

 P129では、因果的推論を確実に行うことはできないという問題があると言われている。そこで、その問題を解決するために本章では2つの解決方法が挙げられていた。1つ目は科学的解決である。これは、ある因果関係が過去の科学的知識と同質であるということを認めることで解決する方法である。2つ目は統計的解決である。これは、自分たちでランダムサンプリングを行うことで他の変数を統制することを可能にし、問題を解決する方法である。本章では、因果推論を確実に行うことができないという問題に対して2つの解決方法が挙げられていた。そこで私は、実際に因果関係を推論する際にどちらを使うべきかという疑問を持ったため、ディスカッションポイントのテーマとした。

 ディスカッションの前提として、レジュメには研究をうまく進めていくためにはどうするべきかと記したが、実際には因果関係を推論するにはどちらの方法を取るべきかを前提として議論を進めていった。まず科学的解決方法を用いたほうが良い側としては、過去ですでに実証されていることだから正しい、同じような理論をさがすなら科学的なものを使用したほうがよい、統計的な解決で自分たちで行うのには限りがあるため不可能である、などの意見が挙げられた。一方で統計的解決方法を用いたほうが良い側としては、自分たちが欲しいと思っているデータを得ることができる、科学的理論を全く同じものとして使うことはできない、過去ではなく今の状況に合わせたデータを得ることができる、などの意見が挙げられた。

 以上のように、科学的解決と統計的解決の良い点と悪い点が挙げられた。ここで私は、ディスカッションを行ったことで、因果関係をより確実に推論できるのは統計的解決ではないかという印象を持った。その一番の理由は、統計的解決を使うことで今の環境にあった最善のデータを得ることができるからだ。科学的解決を行う場合、同質なものを見つけてそれを使うことはできるが、それが現在の因果関係を確実に説明できるわけではない。また、例え同じような理論があったとしても、それを実証した時と今では時代背景が異なるため、本当に現在の因果関係を推論するために使うことはできないだろう。しかし、統計的解決の場合はサンプル数に限界はあるが、自分たちが欲している今の時代にあったデータを得ることができるだろう。

 因果推論を確実に行えないという問題を解決するために、科学的解決と統計的解決のどちらを使うべきなのかについて議論をしたが、どちらにも利点があり一概にどちらを使うべきだということは言えなかった。しかし、今回の議論では、因果関係を確実に推論するにはどちらかというと統計的解決をすべきという意見のほうが強かったのではないかと感じた。また、この統計的解決においてランダムサンプリングを使用することで、独立変数以外の変数を統制することができるだろう。したがって、本章のテーマである他の変数の影響を考慮する上で因果関係の推論を行う重要さというものが理解できたと言える。

やくら (3年)

原因を推論する 第8章 分析の単位、選択のバイアス、観察のユニバース

因果関係を推論する上では分析の単位、選択のバイアス、観察のユニバースを慎重に検討することが重要である。この選択を間違えてしまうと対象にバイアスが生じてしまったり、他の変数を統制できなかったりして、正しく因果関係を推論できない可能性があるからだ。このように正しい因果関係を導き出すためには、数ある共変関係の中から1つの因果関係を見つけなければならない。この共変関係が、バイアスがなく、他の変数も統制され、時代やコンテクストも適しているものかを検討する方法が本書では書かれているのだ。

 このように数ある共変関係は確かに数多く存在する。しかし、第5章で詳しく述べられていた通り、共変関係を確認するのも非常に大変なのである。この共変関係は因果関係が確認されたら無価値になってしまうのか。今まで共変関係について様々な議論がされてきたが、この共変関係というものの価値をゼミ生一人一人はどのように考えているのかを今回のディスカッションテーマとした。

 今回のディスカッションは、価値を問うという難しいものに設定してしまったが故に議論が錯綜してしまった。様々な前提をしっかりと決めるのがベストではあるが、共変関係の価値の指標は人によって違うのではないか、前提を決めると意見が偏ってしまうのではないかと考え、あえてぼんやりとしたテーマにした。意見としては、共変関係の最大の価値は、その因果関係はこの共変関係とは関係ないということが発見されたことであるというものだった。そもそもの目的は、因果関係を推論することである為、この意見に納得する人は多かった。では、因果関係が確認された時点で共変関係の価値は消失してしまうのだろうか。これは意見が2つに割れた。1つ目は、因果関係は確認されなかったかもしれないが世の中は全て因果関係で成り立っているわけではなく、共変関係も様々な場面で使うことができ、価値はあるという意見。一方で、因果関係に成り立たないような共変関係はそこら中に溢れており、使い道が無いため価値はないのではないかという意見もあった。ここでは、使い道という定義をしっかりしなかった為に議論のレイヤーがずれてしまった。また、価値ある派の意見の中でも根拠や信頼性は薄い為、口には出せるが文字には残せないなど、価値の度合いが人それぞれ違うことがうかがえた。

 共変価値の価値は一人一人違うため、決して1つに決められるものではない。また、価値判断というディスカッションにはそぐわない題材を持ってきてしまったが故に、うまく議論は進まなかった。しかし、どのようなデータを使うのか、どの情報を信じ使うのか、今回のディスカッションを経てより情報の信憑性に敏感になったという上では、少しは意味のあるものになったのではないだろうか。

さわだ(3年)

原因を推論する 第5章 共変関係を探る

 因果関係の推論の多くの場合は従属変数の変化や違いが何によって生じたのか、と考えることからスタートする。しかし、因果関係を推論するのは、変化や違いを知るという作業を行った上ではじめて行うことができるのであり、その前提となる変化や違いの存在それ自体を慎重に確認する必要がある。その変化や違いの存在を見ていく手段の1つとして、帰無仮説を用いた検証方法がある。仮説検定の対象となるのは帰無仮説でもし帰無仮説が棄却されれば、対立仮説が支持されることになる。そして棄却するかしないかの際に使うものが有意水準である。有意水準より小さければ帰無仮説は棄却され、逆に大きければ帰無仮説は棄却されない。しかしこの基準は絶対的なものではない。帰無仮説が実際には真であるのに棄却されてしまう(第1種過誤)場合や、逆に帰無仮説が偽であるにもかかわらずそれが真として棄却されない(第2種過誤)場合もある。あくまで今ある論争を終わらせるための1つの手段なのである。

 そこで、仮説検定によってでたデータがどれほど有効的なものかを見ていくために、ゼミを例にディスカッションを行うことにした。前提として、今現在中野ゼミには発言回数が少ないことによって、ゼミが活性化していないという現状がある。その要因として、|暴の発言回数の差学年の発言回数の差の2つがあがってきたとする。データを見る前のゼミ生のイメージでは、〆垢呂覆き∈垢あるとなったが、データを元にカイ2乗検定を行ってみたところ、〆垢ある∈垢ないという結果になった。これらを踏まえた上で、現状を改善するための策を考えていく場合、自分たちのイメージとは乖離している計算結果と自分たちの中のイメージのどちらを元に考えていけばよいのかをディスカッションすることにした。

 データ派の意見としては、データ化されていることから客観的に問題を捉えることができることや、なによりもイメージよりは信憑性があることから、ほぼ確実に問題の原因を解決できるといった意見が多かった。逆にイメージ派の意見としては、今後の改善策を考えていく上で、イメージがあるほうが納得しやすい改善策が出やすく、その改善策を実行する気にもなるということであった。また活性化され、問題が解決した時の達成感も大きいと感じるといった意見も多かった。最初は意見がほぼ半々であったが、議論をしていくうちにデータ派の人が増え、結局最後はデータ派が22人、イメージ派は2人となった。データ派の意見が強くなったのは、少ないとはいえども、ゼミ生約30人の意識を統一しなければなかなか話は進まない。仮説検定の統計ではあるものの、データという1つの指標があるかないかでは大きく変わってくるということであった。

 とはいっても、仮説検定のデータは絶対的なものとは決して言えない。全数調査やそうとは言わないまでも、出来るだけバイアスのかかっていない正確なデータを使うこと、仮説検定よりもきちんとしたデータがあるならばそれを優先的に使うように心がけることが、なによりも大切なのである。あくまで仮説検定によってデータを出すのは、どうしても終わらせなくてはならない論争のときに限るのである。

ふじさわ(3年)

calendar
1234567
891011121314
15161718192021
22232425262728
293031    
<< July 2018 >>
selected entries
categories
archives
links
search this site.
others
mobile
qrcode
powered
無料ブログ作成サービス JUGEM