第2部｜問い編 ―― 分析の前に、問いを設計する
第6章 変数とアウトカムを設計する ──「ものさし」を選ぶ
この章の要点
- データの「型（変数の種類）」を理解すると、後の分析が的確になる
- 連続・順序・名義という3つの「ものさし」を使い分ける
- 「何を測るか（アウトカム）」の選び方が、研究と事業の説得力を左右する
データには「型」がある
研究デザインが決まったら、次は「何を、どんな数字で測るか」を決めます。ここで欠かせないのが、変数の種類（データの型）の理解です。地味ですが、ここを押さえると、後の分析でつまずかなくなります。なぜなら、変数の型によって、使える分析手法が変わるからです。
主な型は、3つです。
連続変数 数値として連続的に測れるもの。 例：記憶力スコア、反応時間、年齢、歩行速度、握力。 「平均」「差」を計算する意味があります。
順序変数 順番はあるが、間隔が一定でないもの。 例：「集中力：低い〜非常に高い」の5段階評価、痛みのNRS、満足度のリッカート尺度。 順番には意味があるが、「4は2の2倍」とは言えない、という性質があります。
名義変数 分類のラベルで、順番がないもの。 例：性別、居住地域、職業、診断名。 「割合」を数えることに意味があります。
⸻
「ものさし」を選ぶ、という発想
この3つを、わたしは「ものさし」と呼んでいます。同じ「集中力」を測るのでも、
- 「集中できたテストの正答数」で測れば → 連続変数（細かいが、測定に手間がかかる）
- 「集中できたかを5段階で自己評価」で測れば → 順序変数（手軽だが、解像度は粗い）
- 「集中できた／できなかった」で測れば → 名義変数（最も手軽だが、情報量は最少）
どのものさしを選ぶかで、得られるデータの「解像度」が変わります。細かく測れば情報は豊かになるが、手間が増える。 この設計判断は、まさにセラピストが評価指標を選ぶときの感覚そのものです。MMSEで測るのか、もっと簡便なスクリーニングで測るのか。目的と現場の制約のあいだで、最適点を選ぶのです。
⸻
アウトカムの設計が、説得力を決める
変数の中でも、特に重要なのがアウトカム（結果指標）──「最終的に、何が良くなったと言いたいのか」です。
ここで陥りがちな罠があります。「測りやすいもの」を測ってしまうことです。たとえば認知機能サービスで、「脳年齢スコアが上がった」と示すのは簡単です。でも、利用者が本当に求めているのは、スコアでしょうか。それとも──
「買い物に一人で行けるようになった」「家族との会話が増えた」「社会参加に自信が戻った」
といった、生活の変化ではないでしょうか。事業の文脈でも同じです。本テキストの元になった議論でも、「顧客は『脳年齢の可視化』よりも『社会参加の自信回復』に価値を見出している」という仮説が示されていました。
測りやすい指標ではなく、意味のある指標を測る。
これは、ウェルビーイングを扱うわたしたちにとって、決定的に重要な設計思想です。生活機能やQOL、その人にとっての意味──測りにくいけれど大切なものを、どうものさしに乗せるか。ここにこそ、セラピストの専門性が光ります。
⸻
AIと一緒に、ものさしを設計する
変数とアウトカムの設計も、AIと相談できます。「この問いを検証するには、何を、どの型で測ればいいか」「この概念（例：社会参加）を測る、既存の評価尺度はあるか」を聞けば、候補を整理してくれます。
ただし、評価尺度についてはハルシネーション（実在しない尺度のでっち上げ）に注意してください。AIが挙げた尺度は、必ず一次情報（原著・公式サイト）で実在と妥当性を確認すること。これは『概論』から繰り返している、最も大切な距離感です。
試してみるプロンプト
あなたは研究の測定・尺度に詳しい研究者です。 わたしは「（測りたい概念。例：高齢者の社会参加への自信）」を、研究・事業の中で測定したいと考えています。
- この概念を測るための変数の候補を、「連続／順序／名義」の型ごとに整理してください。
- それぞれの測り方の「解像度」と「現場での手間」のトレードオフを表にしてください。
- この概念を測れる既存の評価尺度の候補があれば挙げてください（※実在が確実なものに限り、不確かなものは「要確認」と明記してください）。
第6章のまとめ
- 変数の型（連続・順序・名義）で、後に使える分析手法が変わる
- 「ものさし」選びは、解像度と手間のトレードオフ。セラピストの評価指標選びと同じ
- 「測りやすい指標」ではなく「意味のある指標」を測る設計が、説得力を生む