Top

信頼性と妥当性とは｜内的整合性・併存的妥当性をわかりやすく解説

Blog信頼性と妥当性とは｜内的整合性・併存的妥当性をわかりやすく解説

2025/9/6

信頼性と妥当性とは｜内的整合性・併存的妥当性をわかりやすく解説

「心理統計学シリーズ」の第３弾です。今回は、試験頻出の「信頼性と妥当性」のお話し。

心理系大学院受験において、「信頼性」と「妥当性」は研究計画・試験問題双方で重要な基礎概念です。

心理学研究法の視点から両者の定義・種類・統計的検証方法を整理し、予備校受験指導の観点も交えて解説します。

臨床心理士・公認心理師を志望する受験生が、専門試験対策に必要な理論的な理解を深める一助となるでしょう。

信頼性の定義と理論的背景

　信頼性（reliability）とは、心理測定において測定結果がどれだけ一貫性・安定性を保っているかを指します。

正式には「測定値の信頼性または一貫性、すなわちテストや他の測定手段がランダム誤差をどの程度含まずに常に同じ結果をもたらすかという度合い」と定義されます。

例えば同じ人に同じテストを繰り返し実施したときに得点がほぼ変わらなければ、そのテストは信頼性が高いとみなされます。一言で言えば、信頼性＝測定の一貫性です。

古典的テスト理論（CTT）では、信頼性は観測得点（測定値）のばらつきのうち真の得点によるばらつきが占める割合として定式化されます。

CTTによれば観測得点＝真の得点＋誤差と考え、理論上同一集団にテストを無限回施行したときの得点の分散に占める真の得点分散の比率が信頼性係数です。

したがって信頼性係数（通常0～1の値）は1に近いほど測定誤差が少なく安定したテストと言えます。

またCTTでは、スピアマンの提唱以来、一対の並行テスト間の相関係数で信頼性を表現する考え方もあります。

　一方、項目反応理論（IRT）では信頼性の捉え方が異なります。

IRTではテスト全体に単一の信頼性係数を与えるのではなく、能力水準（潜在特性値）に応じた測定精度（情報量）を重視します。

言い換えれば、IRTでは信頼性は「測定の精密さ（precision）」として各受検者の能力水準ごとに条件付きで評価され、標準誤差も能力値に依存した関数となります。

IRTでは「信頼性」という単一指標は用いず、テスト情報関数や条件付き標準誤差曲線によって、どの能力領域でテストが高精度か（誤差が小さいか）を示します。

例えばあるテストが中程度の能力値付近で情報量が高い（誤差が小さい）場合、その能力範囲で最も精密に測定できることを意味します。

　近年はCTTとIRTのいずれも長所を活かし、測定の安定性を総合的に評価する動きがあります。なお、一般化可能性理論（G理論）はCTTを拡張し、テストの信頼性を様々な誤差要因に分解して評価する理論ですが、専門的すぎるので、ここでは詳細を割愛します。

　信頼性と妥当性の関係は、よくダーツの的に例えられます。上図は4つのケースを示しており、ダーツの散らばりが測定値、的の中心が測定しようとする「真の値」を表しています。

左上の図は「信頼性も妥当性も低い」場合で、測定値がバラバラに散らばり、一貫性がなく真の値からも外れています。

左下の図は「信頼性は低いが妥当性は高い」場合で、個々の測定値はばらつきますが分布の平均は中心付近にあり、結果が不安定ながら平均すれば真の値を捉えている状態です（単一の測定結果には信頼がおけません）。

右上の図は「信頼性は高いが妥当性が低い」場合で、測定値はまとまっており一貫していますが、そのまとまり自体が的の中心からズレています。つまり常に安定して誤った値を示している状態で、測定誤差は小さいが測り違えているケースです。

右下の図は「信頼性・妥当性ともに高い」理想的な場合で、測定値が安定しており、かつその集団が真の値（中心）を的確に捉えています。

一般に測定が有効（Valid）であるためにはまず信頼性が十分高いことが前提となりますが、信頼性が高いだけでは必ずしも妥当性が保証されない点に注意が必要です（右上の図の状況）。

信頼性の種類と評価手法

　心理測定の信頼性は様々な観点から評価されます。主なものに再検査法, 平行検査法, 折半法, 内的整合性, 評定者間信頼性などがあります。それぞれ統計的な評価手法と利点・限界が異なります。以下に主要な種類を解説します。

再検査法（Test-Retest Reliability）: 同一のテストを同じ集団に時間を置いて2回実施し、得点の相関を見る方法です。
　例えばあるパーソナリティ質問紙を今日と1ヶ月後に同じ人に受けてもらい、両時点のスコアの相関係数を算出します。高い相関（一般に0.80以上）であれば再検査信頼性が高いと判断されます。
　利点は測定対象の時間的安定性を直接評価できることです。限界としては、テスト間隔が短すぎると被験者が内容を記憶してしまい相関が不自然に高まる（練習効果・記憶効果）、逆に間隔が長すぎると本当に能力や特性が変化して相関が低下する可能性があります。また感情や健康状態のように時間とともに変動しやすい構成概念では、低い相関でもテストの質が低いとは限らず解釈に注意が必要です

平行検査法（Alternate/Parallel Forms Reliability）: 内容が等価になるよう作成した2つの同種テストを用い、同一集団に実施して両テストの得点相関を求める方法です。
　問題項目は異なるが測定しようとする構成概念は同じテストを二種類用意するため、記憶効果を抑えつつ信頼性を評価できます。
　利点は記憶や練習の影響を排除できること、限界は真に等価なテストフォームを作成することが難しく、項目開発の労力が倍増する点です。また実施にも2回分の時間が必要です。

折半法（Split-Half Reliability）: 単一のテスト内の項目を二分割し（例：奇数項目vs偶数項目、前半vs後半）、それぞれの部分テストの得点を算出して相関を求める方法です。
　相関係数そのものは半分の項目数に基づく信頼性なので、スピアマン・ブラウンの補正によって全長のテストに相当する信頼性係数に変換します（補正により相関値が上方修正されます）。
　利点は1回のテスト実施データだけで算出できる簡便さです。限界は、どのように二分割するかによって値が変わり得ることです。特にテストが長いほど折半の仕方が無数にあり得ます。実際には全ての可能な二分割の相関の平均値を考えるのが理想で、Cronbachのα係数はまさに「全ての可能な折半法の相関平均値」として定義できます。したがって折半法は概念的にはα係数の原型といえます。

内的整合性（Internal Consistency）: テスト内の項目同士がどの程度一貫した結果を示すかを評価します。典型的にはCronbachのα係数が用いられます。α係数は上記の通り全ての折半の相関平均とも解釈でき、理論的にはテストを構成する項目数が多いほど、また項目同士が高度に相関するほど高くなります。一般にα係数が0.7以上で「十分な内的整合性」と判断されます。
　利点は1回の施測データで算出でき、テストが単一の構成概念を測定しているかを数値で示せることです。限界として、α係数は項目数に依存するため項目が多ければ高く出やすく、必ずしも各項目の質の高さを意味しない点が挙げられます。またα係数が高すぎる（>0.95）場合、項目が冗長で同質すぎる可能性もあります。さらにα係数はテストが単一因子に従うことを仮定しているため、測定尺度が多次元的である場合は過小評価・過大評価の問題が生じます。このため近年ではMcDonaldのω係数など、因子分析に基づく信頼性指標も推奨されています。

評定者間信頼性（Inter-rater Reliability）: 観察や主観的評価が入る測定において、異なる評定者間で結果がどれだけ一致するかを示します。例えば、面接評価や行動観察記録で、複数の評価者が同じ対象に独立に評点を与えたときの一致度を評価します。指標としては2名なら一致率やピアソンのr, 複数名なら級内相関係数(ICC)やκ係数（カテゴリー評価の場合）が用いられます。
　利点は評価者の主観差の影響を定量化できることです。限界は、評定者の訓練具合に左右され、定義が曖昧な評価基準では信頼性が低くなりがちな点です。

　以上のように、それぞれの方法で算出される信頼性係数はテストの異なる側面（時間に対する安定性、項目間の一貫性、観察者間の一致性など）を表しています。

信頼性を向上させる一般的方策としては、項目数を増やす、測定対象を絞り項目内容を均質にする、評定者の訓練や評価マニュアルの徹底、テスト手続きの標準化によって測定誤差の要因を減らす、などが挙げられます。

妥当性の定義と三つの主要タイプ

　妥当性（validity）とは、テストや尺度が「意図した概念・特性をどれだけ正確に測定できているか」を表す指標です。

平たく言えば妥当性＝測定の的中度（正確さ）であり、テスト結果から我々が下す判断や解釈が現実に合致している程度とも言えます。

妥当性が高い測定では、その得点に基づく解釈・予測が裏付けられており、結果を自信を持って利用できます。

例えば知能テストの得点が将来の学業成績や日常問題解決能力と高い相関を示すなら、そのテストは知能という構成概念を実際に測定できている（妥当である）可能性が高いと言えます。

伝統的に、妥当性には内容的妥当性・基準関連妥当性・構成概念妥当性という三つの主要な種類があるとされてきました。

これらは測定法の異なる側面から妥当性を検討する枠組みで、それぞれ評価手段や重視点が異なります。ただし現代の測定理論では、妥当性はテスト自体の属性ではなく「テスト結果からなされる解釈や使用法の正当性」を意味し、あらゆる種類の妥当性の証拠は最終的に統合されるべきものと考えられています。

この観点では、構成概念妥当性を中心軸としつつ内容や基準との関連など様々なエビデンスを総合して妥当性を検証することが求められます。

以下、三種類の妥当性概念について最新の知見も踏まえて解説します。

内容的妥当性（Content Validity）: 測定しようとする領域・内容をテスト項目が網羅的かつ適切にカバーしているかを評価します。
　これは「専門家の判断」に依るところが大きい妥当性です。例えば大学入試の英語テストが英語力を測るなら、「読む・書く・聞く・話す」の全技能をバランスよく含むべきですが、もしリスニング問題が一切含まれていなければ英語力の重要な側面を測定から漏らしており、内容的妥当性に欠けると判断できます。このように、内容的妥当性の欠如は「構成概念の過小代表（必要な内容をカバーしていない）」や「無関係な内容の混入（測定対象と無関係な項目を含む）」として現れます。
　内容的妥当性を高めるためには、測定したい概念の内容領域を理論や先行研究から定義し、その範囲内で代表的な項目を作成することが重要です。具体的手法としてLawsheの内容妥当性比 (CVR) など専門家評価を数量化する方法もあります。近年の研究では、内容的妥当性は「テスト内容と測定構成概念の関連に関する証拠」として位置づけられ、テスト開発初期の専門家レビューや項目分析によって文書化することが推奨されています。

基準関連妥当性（Criterion-Related Validity）: テストの得点が外部の「基準」とどれだけ関連しているかを示す妥当性です。
　基準とはテストが予測または評価しようとする現実の尺度や結果のことで、例えば、学力テストの基準は実際の学校の成績、就職試験の適性テストの基準は仕事上の成果や上司評価、臨床診断テストの基準は医師の診断や客観的な生物学的指標などが考えられます。基準関連妥当性には、さらに併存的妥当性（現在の基準との相関）と予測的妥当性（将来の基準を予測する力）があります。例えば、ある適性テストの得点と、採用後半年の業績評価との相関が高ければ予測的妥当性が高いと言えます。
　一方、臨床で抑うつ尺度の得点が臨床医の現在の面接診断結果とよく一致するなら併存的妥当性が高いと判断できます。統計的には相関係数や決定係数、あるいは診断テストの場合はROC曲線におけるAUC値などで評価します。例えば、有権者の政治的態度を測る調査の妥当性を、選挙の投票結果という基準と比較して検証し、調査結果から選挙結果を的確に予測できたなら高い基準関連妥当性が示唆されます。
　基準関連妥当性の利点はテストの実用的有用性を直接示す点ですが、限界として「適切な基準の選定」が難しい場合があります。基準自体が完全に信頼できるものでなければ（例えば上司評価にバイアスがあるなど）、テストとの相関が低くともテストが無効だとは一概に言えないのです。また基準関連妥当性の評価では、既存の測定法との比較も含まれます。新しいテストを開発する際には、既存の標準的テストと相関を比較することで増分妥当性（incremental validity）を調べます。
　増分妥当性とは、新しい測定が既存の情報にどれだけ付加的な予測力・説明力を提供するかという概念であり、統計的には他の変数を統制した上で重回帰分析の決定係数R^2の増分を検定する方法などで評価されます。増分妥当性が示されれば、新しいテストを使う意義が実証されたことになります。

構成概念妥当性（Construct Validity）: 測定しようとする理論上の構成概念（construct）をテストがどれだけ適切に反映しているか、理論的予測と合致した振る舞いをするかを評価する妥当性です。
　構成概念妥当性は他の妥当性要素を包含する最も包括的な妥当性と位置づけられます。評価方法としては多角的なアプローチが必要で、代表的には収束的妥当性と弁別的妥当性の検証があります。
　収束的妥当性とは、同じ構成概念を測る別の方法・テストと高い相関を示すこと（期待通り「収束」すること）であり、弁別的妥当性とは、異なる構成概念の測定とは低い相関しか示さないこと（無関係なものと明確に区別できること）です。
　例えば自己評価による自己尊重感尺度があるとき、社交性や楽観性など理論的に関連が予測される特性と強い相関を示せば収束的妥当性を裏付ける証拠となり、一方で知能や身体的な健康度など無関係な特性とは相関がほとんどなければ弁別的妥当性の証拠となります。
　こうした検討にはキャンベルとフィスケの多特性‐多方法マトリクス (MTMM) など古典的手法もありますが、現代では後述する因子分析や構造方程式モデリングを用いて統計的に検証するのが一般的です。また構成概念妥当性にはテスト得点の因子的構造が理論と一致しているか（例：人格理論に基づけば5因子が現れるはず）という観点も含まれ、これは内部構造に基づく妥当性エビデンスと呼ばれます。さらに、測定の反応過程の分析（例：被験者が項目に答える際に想定した心理プロセスが働いているか）や、テスト使用の結果に関する妥当性（例：テスト利用による意図しない影響や公平性の検証）も、近年では広義の構成概念妥当性の枠内で検討されます。重要なのは、構成概念妥当性は一回の検定で確定するものではなく、様々な研究で蓄積される理論的・経験的証拠によって徐々に構築されるものだという点です。統計的手法については次節で詳述しますが、因子分析による検証や各種関連研究の累積によって「このテストから得られる得点は、当初意図した心理的構成概念を的確に表している」と言えるだけの証拠を示すことが最終目標となります。

以上、3種類の妥当性は歴史的には「妥当性の三位一体」と呼ばれて区別されていましたが、現在ではアメリカ教育測定学会・心理学会の『テスト標準』(2014)でも「妥当性はテスト解釈の適切さ・有用さに関する全体的な判断であり、様々な種類の証拠によって支えられる」と定義されています。
　したがって、内容・基準・構成概念といった各種の妥当性は相互に独立したものではなく、すべて測定の妥当性を裏付けるエビデンスの種類と捉えられます。
　テストの妥当性を評価・主張する際には、これら複数の観点から証拠を収集し整合的な結論を導くことが必要です。例えば新しい心理尺度を開発する場合、まず内容的妥当性を専門家レビューで確保し、構成概念妥当性を因子分析や他測定との相関研究で示し、さらに基準関連妥当性を現実の重要な結果との関連で実証する、といった多面的アプローチが推奨されます。

妥当性を検証する統計的手法

　妥当性を裏付ける証拠を得るために、いくつかの統計的解析手法が活用されます。

主なものに因子分析, 構造方程式モデリング(SEM), ROC分析などがあります。

これらはそれぞれ異なる側面からテストの妥当性を検討する道具となります。

因子分析（Factor Analysis）: テストの内部構造を解析することで構成概念妥当性を検討します。
　因子分析には探索的因子分析 (EFA) と確認的因子分析 (CFA) があり、特にCFAはあらかじめ想定された因子構造（理論モデル）がデータに合致しているかを統計的に検証できます。
　確認的因子分析は測定項目と潜在因子の関係を数量的に評価し、妥当性のエビデンスを集めるために広く用いられる手法です。例えばビッグファイブ性格検査で5因子モデルを仮定しCFAを行った結果、データがそのモデルによく適合すれば、テストは理論通り5つの性格特性を測定できているという構成概念妥当性の証拠となります。
　一方、データが一因子モデルや別の因子構造のほうに適合する場合、テスト項目の見直しや構成概念の再定義が必要かもしれません。因子分析はまた、収束的・弁別的妥当性を検討する目的で他の検査結果との同時分析にも使われます（例：多特性-多方法データに対する因子分析）。

構造方程式モデリング（SEM: Structural Equation Modeling）: SEMは確認的因子分析を含む包括的なモデル解析手法で、測定モデル（因子モデル）と構造モデル（因子間の因果関係）を同時に評価できます。
　SEMを用いると、テストの因子構造の妥当性に加え、その因子が他の理論変数と関連する様子まで検証できます。例えばある心理療法に関する理論モデルをSEMで検証する際、質問紙データの測定部分はCFAで妥当性を確認しつつ、構造部分で因果仮説（例：自己効力感が向社会的行動を高め、それが幸福度に影響する等）を検証できます。
　SEMによって、テストの因子構造が他変数とのネットワークの中で妥当な振る舞いをしているか（これは構成概念妥当性の一部）を分析できます。また、多集団に対する測定不変性検定（Measurement Invariance）を行い、異なる集団間で同じ構成概念を公平に測定できているか（テストの項目特性が集団によって偏っていないか）を確認することも可能です。これは公正なテスト利用のための妥当性検証として重要です。

ROC分析（Receiver Operating Characteristic分析）: 主にテストの判別的な有効性を評価するために用いられる手法です。医学や臨床心理の分野では、テストが疾患や症候群の有無をどれだけ正確に分類できるか（感度と特異度のトレードオフ）を見る必要があります。
　ROC曲線は、様々なカットオフ値での感度（真陽性率）と1−特異度（偽陽性率）をプロットしたもので、曲線下面積（AUC: Area Under the Curve）が分類精度の指標となります。ROC分析は診断テストの性能評価や、一般にモデルの予測精度を評価する有用なツールです。例えば新しいうつ病スクリーニングテストのAUCが0.90を超えるようであれば、高い判別妥当性（基準関連妥当性）の証拠と言えるでしょう。ROC分析から得られる最適カットオフ値やそれにおける感度・特異度も、テスト結果の解釈や臨床的有用性を判断する材料になります。

　この他にも、妥当性検証には様々な統計手法が活用されます。

例えば相関分析は基本中の基本で、テスト得点と他の指標との関連を見ることで収束的・弁別的妥当性や基準関連妥当性を評価します。

回帰分析はテスト得点が基準をどの程度予測できるか、他の変数を加えたときに予測力が増すか（増分妥当性）を解析します。

多変量分散分析(MANOVA)や判別分析は、既知の集団間でテスト得点が想定通り差異を示すか（既知集団の妥当性）を調べる際に使われます。

さらに、テスト開発段階では項目反応理論(IRT)による項目特性分析も、各項目が測定している構成概念にどれだけ敏感か（識別力）や余計なノイズを含んでいないか（推定誤差の大きさ）といった情報を提供し、妥当性の高い項目選別に役立ちます。

現代のテスト開発における信頼性・妥当性確保の実践

　近年の心理検査や尺度開発では、上述の理論と分析に基づきつつ、実践上の工夫や検証プロセスによって信頼性・妥当性を確保することが求められます。

代表的なアプローチとしてテストバッテリーの活用, ライ・スケールの導入, 増分妥当性の検討などが挙げられます。

それぞれどのように信頼性・妥当性の確保に寄与するかを説明します。

テストバッテリー（Test Battery）: テストバッテリーとは、複数のテストや下位尺度を組み合わせて包括的に評価を行う一連のテスト群のことです。
　例えば、知能検査WAISは言語理解や作動記憶など複数の下位検査から成るバッテリーですし、神経心理学的検査では記憶・注意・遂行機能など様々な領域のテストをまとめて実施します。
　バッテリーを組む利点は、一つのテストでは捉えきれない多面的な構成概念を網羅できることと、複数の観点からの評価結果を総合することで信頼性と妥当性を補完し合えることです。
　例えば一つのテストの結果に偶発的誤差があっても、他のテスト結果と整合していれば全体としての評価の信頼性が高まります。また、ある検査が特定のばらつき要因に弱くても、別の検査で補えば全体として妥当な結論を導きやすくなります。
　実務上も、就職選考や臨床診断ではテストバッテリーによる多面的評価が標準となっており、例えば人事選考では認知能力テスト＋性格検査＋面接のバッテリーで総合的適性を判断し、臨床場面では症状チェックリスト＋知能検査＋面接問診といった複合的アセスメントで診断の妥当性を高めています。
　テストバッテリーを運用する際には、各テストが測定したい属性に対して冗長性なく貢献しているか（不要に重複していないか、逆に漏れがないか）を検証することも重要です。統計的には各テストの結果を因子分析して想定通りの因子構造が得られるかを確認したり、バッテリー全体の信頼性（例えば複数テスト得点の合成得点の信頼性）を算出したりするアプローチもあります。

ライ・スケール（Lie Scale）: ライ・スケールとは、回答者が社会的望ましさからくる虚偽や飾りをしていないかを検出するための尺度です。
　典型的には人格検査（例：MMPIや矢田部-Guilford性格検査など）に組み込まれ、受検者が自分を実際以上に良く見せようとする「良い子ぶり」や、問題を抱えていないよう装う態度を暴く設問からなります。「私は一度も嘘をついたことがない」「誰に対しても腹を立てたことがない」といった現実にはほとんど該当者がいないはずの極端に良い内容に「はい」と答える人は、回答の信頼性が疑わしい（社会的望ましさバイアスが強い）と判断されます。
　ライ・スケールは検査の妥当性を保証する指標として機能し、極端に高いライ・スケール得点の受検者の他のテスト結果は解釈に注意を要する、あるいは無効と見做されることがあります。
　例えばMMPIではL尺度（Lie）、F尺度（Frequency: 稀少な回答をする傾向＝無作為回答の検出）、K尺度（Defensiveness: 防衛的な回答傾向）など複数のバリデーション尺度を用いて、回答の誠実さや一貫性をチェックします。
　現代の尺度開発でも、このような妥当性尺度（Validity Scales）を導入することでデータの質を確保し、テスト結果の解釈をより妥当なものにする工夫が一般的です。ただし、ライ・スケールに引っかかったデータをすべて除外するとサンプルが偏る可能性もあるため、完全除外ではなく参考情報として用いる、回答動機を面接で確認する、といった慎重な対応が推奨されます。

増分妥当性の確保（Incremental Validity）: 新しいテストや尺度を開発する際には、既存の測定法や他の情報源に比べてどれだけ有用性を付加できるかを示す必要があります。
　増分妥当性とは、ある新しい測定が既存の予測因子に加えてどの程度追加的な予測力・説明力をもたらすかという概念です。
　例えばある企業が従業員の業績を予測するために知能テストを既に用いている場合、新たに性格検査を導入するなら、その性格検査が知能テストでは予測できない部分をどれだけ予測できるか（例えば業績の残差変動をどれだけ説明できるか）を示さねばなりません。この差分が増分妥当性です。統計的には重回帰分析において既存テストの得点を投入したモデルと、新テストも加えたモデルの決定係数R^2の差を検定する方法が一般的です。有意なR^2の上昇が見られれば、新テストは独自の有用な情報を提供していると判断できます。
　増分妥当性の確保は実践上重要で、テストバッテリーを組む際にも各テストが重複した役割でなくそれぞれ意義を持つかを示すのに使われます。
　例えばパーソナリティ評価ですでにビッグファイブ尺度を使っているところに新たな価値観テストを追加する場合、ビッグファイブでは説明できない仕事満足度の分散を価値観テストが有意に説明できるか、といった検証が行われます。その結果増分妥当性が認められなければ、新テストを追加する意義は薄いと言わざるを得ません。逆に増分妥当性が高いテストは、既存の評価に加えることでより包括的で正確な判断につながるため、現場で採用する大きな根拠となります。

　以上のほかにも、現代のテスト開発・運用では信頼性・妥当性を高める工夫が多々あります。

例えば項目分析による不適切な項目の削除や改善、テストの標準化手順（マニュアル化された実施・採点方法）による実施誤差の低減、パイロットテストやフィールド調査による尺度の精錬、測定不変性の検証による異文化間・異集団間での妥当性確認、テスト理論の活用（IRTによる適応的テストで信頼性を向上させる等）、結果のクロスバリデーション（開発サンプルと独立サンプルで結果を再現して汎用性を確認）などが重要です。

また、国際指針（例えばAPAやISOのテスト使用に関する規定）に従い、テストが被験者にとって公正かつ倫理的に使用されることも広義の妥当性確保の一環です。

心理測定に携わる研究者・実務者は、これら多角的な視点から信頼性と妥当性を検証・保証し、測定結果にもとづく判断の精度と公平性を担保していくことが求められています。

いかがだったでしょうか。心理学頻出キーワードの「信頼性・妥当性」についてお話ししてきました。

難しい専門用語も具体例や何度も読むことで理解の定着につながると思います。みなさんの大学院試験対策の一助になれば幸いです。