1 外的妥当性の概念
外的妥当性とは、ある研究で観察・推定された関係が、研究で用いた対象や条件に限らず、他の場面にどの程度当てはまるのかを扱う妥当性の観点である。特定の集団、異なる時期、別の環境、別の運用手続きなどへの広がりを、根拠とともに見積もることが中心課題となる。
外的妥当性は、原因と結果の結びつきが研究内でどれだけ強く支持されているかという問い（内部妥当性）とは区別される。内部妥当性が高くても、研究の外側で同様の現象が再現される保証はない。そのため、外的妥当性は「知見の適用範囲」を説明するための枠組みとして位置づけられる。
1.1 定義と目的
1.1.1 一般化可能性としての外的妥当性
外的妥当性は一般化可能性と結びついて理解されることが多い。ここでいう一般化とは、研究結果に含まれる傾向や効果が、別の集団や状況でも同方向・同程度に現れる可能性を指す。
一般化の範囲は一様ではない。研究の要点となる因果関係が、対象の属性や環境条件に強く依存する場合には、当てはまる範囲は狭くなる。逆に、複数の設定で再現が確認されるほど、適用領域は広がりやすい。
1.1.2 内的妥当性との対比
内部妥当性は、研究内で観測された差や変化が、想定した原因によって生じたとどれほど確からしく言えるかに焦点を当てる。外的妥当性はその延長として、同じ因果機序が研究外でも機能するか、あるいは効果の大きさが変化するかを問う。
実務上は、両者のトレードオフが生じうる。たとえば厳密な統制を強めるほど内部妥当性は向上しやすいが、参加者や場面を限定してしまえば外的妥当性は下がることがある。そのため、研究目的に応じて妥当性の優先度や設計方針を調整する必要がある。
1.2 関連する基本用語
1.2.1 外部妥当性・一般化の近縁概念
外部妥当性という表現も用いられ、外的妥当性と同義あるいは近い意味で扱われることがある。いずれも「他の状況への移し替えの正当性」を中心に据える点で共通する。
一般化可能性には、効果が同程度に保たれるという意味合いだけでなく、方向性が維持される、条件付きでのみ成立する、といった形の違いも含まれる。従って、単に「一般化できる／できない」で判断するのではなく、成立条件を特定する姿勢が求められる。
1.2.2 推論の範囲（母集団・条件）の考え方
推論の範囲は、どの集団や条件を対象に結論を拡張するかという問題に相当する。理想的には、研究で得た知見が結びつく母集団と、効果が成立する条件を明確にする必要がある。
母集団は統計的に定義される場合もあれば、実装や運用の文脈まで含めた概念として扱われる場合もある。さらに、手続きや測定の手順が異なると効果の推定が揺れることがあるため、推論の「条件」を整理することが不可欠となる。
2 外的妥当性を左右する要因
外的妥当性は複数の要因の合成結果として理解される。主な論点は、対象集団の選び方、測定と操作の再現性、実施環境が変わった際の文脈効果、ならびに条件によって効果が変化する相互作用の存在である。これらは単独で働くというより、互いに影響し合う。
評価においては、単に設計が適切だったかを問うだけでなく、研究で用いた諸要素が他の場面で同じ意味を持つかを考えることになる。
2.1 サンプリングと対象集団
2.1.1 標本の代表性
標本の代表性は、研究結果をどの母集団へ外挿できるかに直結する。代表性が低い場合、研究で観察された関係は当該標本に特徴的であり、別の集団では異なるパターンになる可能性が高くなる。
代表性は、性別や年齢などの表面的属性だけでなく、研究に関わる経験や価値観、条件への適応度といった潜在的要素にも左右される。さらに、参加への自発性や脱落の仕方によって、実際に分析に入る集団が想定よりも偏ることがある。サンプリングと参加プロセスは、外的妥当性の基盤となる。
2.2 測定と操作の再現可能性
外的妥当性を損なう典型は、測定手続きや介入の運用が他の場面で同様に再現されないことにある。測定が変われば観測される変数の意味が揺れ、介入が変われば作用する要素が変質する。
そのため、研究で用いた手順の具体性と、別の研究者や現場での実行が可能かどうかが重要となる。
2.2.1 測定手続きの一貫性
測定の一貫性は、同じ概念を同じ方向で測れているかという点に関係する。質問票の文言、採点基準、評価者の訓練、測定タイミングなどが変われば、記録される値は異なる意味合いを持つ可能性がある。
加えて、測定環境の違いも影響しうる。たとえば実施場所の騒音やデバイスの種類、回答の負荷などが反応を変えると、外側の場面で推定が崩れる。したがって、測定の再現性は外的妥当性の中核的条件として扱われる。
2.2.2 操作の同等性（介入・刺激の性質）
介入や刺激の同等性は、外側の場面で「同じことが起きている」保証を作るための要点である。介入の内容が似ていても、強度、提示の順序、対象者への関与の程度、実施者の関わり方などが変われば、作用機序が変わり得る。
また、介入の実装は現場の制約で微調整が生じることが多い。研究者は、どの要素が本質でどの要素が変えても影響が小さいのかを区別する必要がある。この区別ができていない場合、外的妥当性の評価は不確実になりやすい。
2.3 実施条件と文脈効果
外的妥当性は文脈に敏感である。環境の違いは、対象者の行動や反応の背景条件を変え、結果として介入効果の大きさや方向を変化させることがある。
そのため、場所・時期・運用方法だけでなく、研究外で起きる周辺条件の変動も含めて検討する必要がある。
2.3.1 場所・時期・環境の違い
場所や時期の違いは、社会的規範、利用可能な資源、制度上の条件などを通じて効果に影響を与えうる。たとえば、ある施策が制度的支援を前提に成立している場合、支援の有無が異なる環境では結果が変わる。
さらに、季節性や出来事の影響により、対象者の心理状態や需要が揺れることもある。実装時期が変わるだけでデータの構造が変わり得るため、外的妥当性の見積もりでは時間要素の位置づけが重要になる。
2.3.2 参加者特性との相互作用
参加者特性と介入の相互作用が存在すると、平均的な効果が別集団で再現されない場合がある。これは、介入が一定の属性に特に反応する設計になっている場合に起きやすい。
相互作用の例としては、学習歴の違い、初期状態の差、動機づけの水準、生活環境の制約などが挙げられる。研究者は、効果が誰にどの程度当てはまるかを条件付きで整理し、適用の範囲を限定する形で報告することが望ましい。
3 外的妥当性の脅威と典型例
外的妥当性は、さまざまな「一般化を阻む要因」の影響を受ける。典型的な脅威は、概念の測り方が変わること、参加者や手続きの差により効果が歪むこと、そして効果が場面依存的に変わることの三系統に整理できる。
以下では、それぞれの脅威がどのように外挿を困難にするかを概観する。
3.1 構成概念のずれ（測り方の問題）
3.1.1 操作化の妥当性
構成概念のずれは、研究で想定した理論上の概念と、実際に測定・操作した内容が一致していない場合に起こる。操作化の妥当性が低いと、観測される指標が本来の概念を代表していない可能性が生じる。
結果として、他の場面でも同じ指標が同じ意味を持つとは限らなくなる。たとえば、複雑な態度を単純な反応で代用している場合、文化や制度の違いによって反応の意味が変わることがある。
3.1.2 代理指標の限界
代理指標は、直接測定が難しい概念を間接的に表すために用いられる。しかし代理指標には、測っているものが状況によって変化しうる限界がある。
ある場面では代理が概念をうまく反映していても、別の場面では代理と本体の関係が弱まる場合がある。したがって、代理指標を用いる研究では、指標の意味が環境によってどう変わり得るかを検討する必要がある。
3.2 交絡による一般化の歪み
交絡があると、研究で推定された関係が、想定した因果要因以外の要素により部分的に生じた可能性が残る。その結果、研究外で交絡要因が変化すれば、推定も再現されなくなる。
交絡は測定の不備だけでなく、参加プロセスや実施運用の差からも生じうる。外的妥当性の観点では、交絡が「研究外で同じ形で存在するか」が重要となる。
3.2.1 参加者選択の偏り
参加者選択の偏りは、研究参加に関する条件や募集経路が異なると構造的に起きる。たとえば、特定の年齢層や関心の高い層が過度に含まれると、介入への反応も変わりやすい。
さらに、脱落がランダムでない場合には、分析対象がさらに偏る。別環境で同じ募集条件が再現されない限り、外側の場面で同様の反応パターンを期待しにくくなる。
3.2.2 手続き差による効果の変質
手続き差は、研究で整えた運用が他の場所や研究者によって微妙に変わることから生じる。介入の説明方法、フィードバックの与え方、実施者の熱量、スケジュール調整などが影響し、介入の実質が変わることがある。
この変質が介入の「核」と無関係なら問題は小さいが、核に近い要素ほど結果に影響が出やすい。したがって、外的妥当性を高めるには、変えてよい部分と変えてはならない部分を明確化することが必要になる。
3.3 条件依存性（効果が場面で変わる問題）
条件依存性とは、効果がすべての場面で一定ではなく、状況要因により強弱や方向が変わることを指す。これは相互作用の一種だが、外的妥当性の脅威として特に重視される。
場面依存性が大きい場合、研究外での再現は平均値だけでは判断できず、成立条件の把握が不可欠となる。
3.3.1 学習・慣れの影響
反復測定や介入への暴露が進むと、対象者は手続きに慣れたり学習したりする。これにより、初回と後続で反応が変化し、効果推定が時間や順序に依存する形になることがある。
研究外では同様の慣れの速度や学習環境が保証されないため、同じプロトコルで実施しても結果がずれる可能性がある。外的妥当性の評価では、時間構造と手続きへの馴化を考慮する必要がある。
3.3.2 天井効果・床効果
天井効果や床効果は、測定尺度の範囲により変化の余地が制限される現象である。たとえば高い能力や強い初期状態を持つ参加者では、改善が観測されにくくなり、効果が小さく見えることがある。
別の場面で参加者の初期水準が異なると、尺度の制約による見かけの差が変わる。結果として、研究外で同一の効果が再現されない原因となるため、尺度設計や対象選定が外的妥当性に影響する。
4 外的妥当性を高める方法
外的妥当性を高めるには、単に一般化を願うのではなく、設計と報告の両面から適用範囲を拡張し、検証可能性を増すことが重要である。主な方向性は、複数の実施単位を含めた設計、事前の推論計画、追試を通じた証拠の蓄積、そして適用可能性を読み手が判断できる形で情報を提示することにある。
4.1 研究デザイン上の工夫
4.1.1 多地点・多集団での実施
多地点・多集団での実施は、効果が特定の場所や属性に依存し過ぎていないことを確かめるための方法である。異なる現場で同等の手続きを行い、推定がどの程度安定するかを見ることができる。
また、多様な集団を含めることで、条件依存性の可能性を早期に発見できる場合がある。結果として、外挿の根拠が強化され、適用範囲の説明が具体化しやすくなる。
4.1.2 事前に一般化範囲を見積もる計画
外的妥当性の方針は、データ収集前から明確化することが望ましい。事前計画では、どの範囲まで結論を拡張するのか、どの条件が変わり得るのかを整理し、必要な比較や評価を組み込む。
このような計画があると、後になって都合の良い解釈に流れにくい。加えて、一般化の限界を最初から織り込むことで、曖昧な結論ではなく、適用の目安を提供できる。
4.2 証拠の積み上げ（追試・再検証）
追試や再検証は、外的妥当性を直接強化する手段である。別条件で同様の結果が得られるほど、一般化の妥当性は高まる。
ただし、単発の追試では偶然の影響も残りうるため、複数研究を通じた統合や、反証に向けた検討が重要になる。
4.2.1 追試研究とメタ分析
追試研究は、手続きや対象を変えながら同じ仮説を検証することで、再現性と適用範囲を評価する。ここでは、効果推定の大きさだけでなく、成立条件がどの程度共通するかも焦点となる。
メタ分析は、複数の研究結果を統計的に統合し、効果の平均像とばらつきを把握する手法である。ばらつきの原因が条件の差に由来するなら、外的妥当性の理解がより精緻になる。
4.2.2 批判的検討（反証可能性の重視）
外的妥当性は、都合の良い一致だけでは判断できない。批判的検討とは、どの条件なら結果が崩れる可能性があるかを明確にし、反証につながる検証を進める姿勢である。
たとえば、特定の属性を持つ集団では効果が薄いかもしれない、実装条件が変われば成立が揺れるかもしれない、といった仮説を立て、それを検証することで外挿の根拠が強くなる。反証可能性を重視することは、外的妥当性の評価を一過性の判断から切り離す効果がある。
4.3 報告の実務（適用可能性の明確化）
外的妥当性を高めるには、研究を行うだけでなく、他者が判断できる形で情報を提示する必要がある。実務上の焦点は、条件・対象・手続きの詳細化と、一般化の限界を含む解釈の提示である。
4.3.1 条件・対象・手続きの詳細な記述
報告では、参加者の属性、募集条件、実施環境、介入の内容、測定手順、評価者の役割などを具体的に記すことが求められる。これにより、読者は自分の文脈に近い部分を比較しやすくなる。
また、欠測の扱い、脱落の状況、分析に入った対象の範囲といった情報も、外的妥当性の判断に影響する。透明な記述は、再現や追試の設計にも直結する。
4.3.2 一般化の限界を含む解釈
結論の提示では、研究外への拡張がどこまで支持されるのかを限定して述べることが重要である。限界の説明は、効果が必ずしも普遍ではない可能性を率直に示す役割を持つ。
具体的には、対象集団の範囲、文脈要因の違い、手続きが変わったときに生じうるズレを整理する。これにより、利用者が過度な期待を避け、適切な検証計画につなげられるようになる。