研究方法論
測定論 — 信頼性・妥当性と測定誤差の評価
測定は研究の入力であり、その質が結論の上限を決める。本稿は古典的テスト理論と項目反応理論を基盤に、信頼性（再現性・内的整合性・一致）と妥当性（内容・基準関連・構成概念）を整理し、測定誤差が結論に与えるバイアスを評価する枠組みを提示する。
この記事の要点
- 測定の質は信頼性（一貫性）と妥当性（正確さ）の二軸で評価され、信頼性は妥当性の必要条件だが十分条件ではない。
- 古典的テスト理論は観測値を真値と誤差の和としてモデル化し、項目反応理論は項目特性と潜在特性を分離して扱う。
- 信頼性には再検査・評価者間・内的整合性（クロンバックのα等）があり、用途で適切な指標が異なる。
- 測定誤差は系統的（バイアス）か偶然的（変動）かで結論への影響が異なり、誤分類の方向を評価する必要がある。
信頼性と妥当性
信頼性は測定の一貫性であり、同条件で繰り返したとき結果がどれだけ安定するかを表す。再検査信頼性（時間的安定性）、評価者間信頼性（観察者間一致、級内相関やκ係数）、内的整合性（項目間の一貫性、クロンバックのα）に分かれる。妥当性は測定が意図した構成を正確に捉えているかで、内容妥当性（領域の網羅）、基準関連妥当性（既存基準との一致、併存・予測）、構成概念妥当性（理論的関係との整合）に分かれる。
信頼性は妥当性の前提だが保証ではない。安定して誤ったものを測ることはありうる（信頼性は高いが妥当性は低い）。逆に妥当な測定は一定の信頼性を要する。
一致の指標
連続変数の評価者間一致には級内相関係数（ICC）が、カテゴリ変数にはκ係数が用いられる。単純一致率は偶然の一致を補正しないため、κやICCで偶然を超える一致を評価する。
- ICC：連続変数の再現性・評価者間一致
- κ係数：カテゴリ判定の偶然補正一致
- Bland-Altman法：二つの測定法の一致度の可視化
古典的テスト理論と項目反応理論
古典的テスト理論（CTT）は観測値＝真値＋誤差と置き、尺度全体の信頼性を扱うが、項目の難易度や弁別力が標本依存になる。項目反応理論（IRT）は、潜在特性と各項目の特性（困難度・識別力・推測）を分離してモデル化し、標本に依存しない項目評価と適応型テストを可能にする。健康・教育の評価尺度開発では、IRTやRaschモデルが項目の質的検討と尺度の精緻化に用いられる。
エビデンスの現在地（確実性: 強い）
信頼性・妥当性の理論的枠組みと指標の運用は、心理測定学・臨床測定学で確立されており確実性は強い。IRTの有用性も広く支持される。一方、構成概念妥当性の評価は理論依存で、領域固有の操作化に左右されるため、個別尺度の妥当性検証は継続的・累積的な作業であり、一度の検証で完結しない。
論点と限界
クロンバックのαは項目数に影響され、一次元性の証拠とはならないため、過信は誤解を招く。再検査信頼性は学習効果や状態変動と交絡しうる。測定誤差の評価では、誤差が系統的か偶然的か、差別的か非差別的かによって結論への影響が異なり、単一の信頼性係数だけでは測定の妥当性を担保できない。
現場・臨床応用
評価尺度や測定具を選ぶ際は、対象集団で信頼性・妥当性が検証されているかを確認する。別集団で開発された尺度を無検証で転用すると、測定の妥当性が崩れうる。情報発信では、測定が何をどれだけ正確に捉えているかの限界を明示する。本稿は教育的情報であり、診断・治療の指針ではない。
医療免責
本記事は教育目的の学習コンテンツです。診断・治療行為を代替するものではありません。痛み・しびれ・急性外傷・発熱・進行性の症状や、医師から運動制限を受けている場合は、自己判断で進めず医師・国家資格者にご相談ください。
主要な参考文献・ガイドライン
本記事は、以下の学会ガイドライン・ポジションステートメント・標準的な専門書などの公開情報に基づいて整理しています。具体的な数値や適用は原典・最新版をご確認ください。
- Streiner, Norman & Cairney『Health Measurement Scales』（標準教科書）
- COSMIN（測定特性評価のための方法論ガイドライン）
- 米国教育研究協会ほか『Standards for Educational and Psychological Testing』
- コクラン共同計画 Handbook（測定とアウトカム）
よくある質問
信頼性が高ければ妥当ですか。
いいえ。信頼性は妥当性の必要条件ですが十分条件ではありません。安定して誤った値を測ることはありえます。妥当性は別途、内容・基準・構成概念の観点で検証します。
クロンバックのαはいくつ以上が良いですか。
慣習的な目安はありますが、項目数で上昇するため過信は禁物です。高い値が一次元性を保証するわけではなく、構造の検討と併せて解釈すべきです。
項目反応理論の利点は何ですか。
潜在特性と項目特性を分離し、標本に依存しない項目評価ができる点です。適応型テストや尺度の精緻化、異なる集団間の比較可能性の検討に有用です。
他集団で作られた尺度はそのまま使えますか。
妥当性が崩れる恐れがあります。文化・言語・対象が異なる場合、再検証や翻訳・適応の手続きを経て、測定特性を確認する必要があります。
cortis Trainer Academy
学びを、現場で使える知識に。
基礎から評価・運動療法・医療連携まで。身体を診る専門職のための継続学習アカデミー。基礎は登録不要・無料。