４-1. リサーチ・デザインの妥当性

良い測定法を用いても、リサーチ・デザインの妥当性に関しては、注意が必要！この章では、リサーチ・デザインの妥当性に関して説明します。 

４-2. リサーチ・デザインの外的妥当性

特定のマーケティング・リサーチについて、別の集団に当てはめた場合でも同様の結果を得られるか、つまり、一般化できるかの程度を「外的妥当性」と言います。

「外的妥当性」を保つためには、「選択バイアス」を極力無くすことを心がける必要があります。

ちなみに、測定値に含まれる誤差は、「系統誤差」と「偶然誤差」に分類でき、「系統誤差」を「バイアス」とも言います。

４-3. 標本抽出

外的妥当性は、標本を正しく抽出することで保たれます。

母集団から標本を抽出する方法は、「確率抽出」と「非確率抽出」に二分されますが、外的妥当性を保つには、「確率抽出」を選択しなくてはなりません。

４-4. 確率抽出

確率抽出には、下記の方法があります。特に「層化抽出法」は、良く用いられる方法ですので、しっかりと身に付けておきましょう。

４-5. 住民基本台帳を使わない確率抽出

2006年（平成18年）1月1日、住民基本台帳法の改正により、公益性のある統計調査・世論調査・学術研究、公共的団体が行う地域住民の福祉の向上に寄与する活動、官公署が職務上行うとき以外の閲覧許可は下りなくなりました。

そのため、企業等の民間は、事実上、非確率抽出を利用せざるを得ない状況になったのですが、工夫により確率抽出も可能であることを説明します。

４-6. 非確率抽出

 マーケティング・リサーチを外注すると、特にインターネット・リサーチでは、割当法（クォータ法）を提案されることも多いのですが、これは「非確率抽出」であることを認識しましょう！

４-7. 非確率抽出と選択バイアス

非確率抽出、すなわちインターネット調査やビッグデータ（星野崇宏の「集まるデータ」）では、選択バイアスを補正する必要があります。

事後層化、レイキング、キャリブレーション推定、傾向スコア、差分の差分析…、様々な方法がありますが、詳細は改めて「応用編」で解説しようと思います。

 

４-8. リサーチ・デザインの内的妥当性

別の集団に当てはめた場合でも同様の結果を得られるか、つまり、一般化できるかの程度をリサーチ・デザインの「外的妥当性」と呼びました。

一方、解析で得られた変数間の因果関係が頑健である程度のことをリサーチ・デザインの「内的妥当性」と言います。つまり、従属変数と独立変数の関係が第３の要因の影響を受けない程度を表します（星野崇宏「マーケティング・リサーチ入門」より）。

    ※ において、を独立変数、 を従属変数という。

この第３の要因の影響を除去することができる、内的妥当性が最も高いリサーチ・デザインが無作為化実験（RCT／Randomized Controlled Trial）です。

４-9. マーケティングにおけるRCTの例

内的妥当性が最も高いリサーチ・デザインが無作為化実験（RCT／Randomized Controlled Trial）といっても、従来は、厳密なコントロール下に置かれた医薬品の治験以外では、なかなか行うことができませんでした。

しかし、2008年にオバマ大統領が選挙資金をWEBサイトで集める際に応用されるなど、実社会においてもRCTを積極的に試みる例が出てきました。

それらで最も発達しているのが、ネット・マーケティングのABテストです。ページ元のWEBページに対して変更を加えたテストパターンを用意し、ユーザーをそれぞれのページに振り分けどちらがより高いCVRを得られるのかを統計学で検証するWEB改善（CRO）の手法であり、プロセスです。

４-10. 外的妥当性と内的妥当性

 以上、リサーチ・デザインの妥当性をまとめると、下記のようになります。