混合法（Mixed Methods）研究の設計ガイド — 定量と定性の統合

「定量だけだと表層的、定性だけだと一般化できない」——リサーチを継続的に運用しているチームなら、誰もが一度は突き当たる壁です。アンケートで Top 2 Box が下がっても、なぜ下がったのかは数字だけでは見えない。インタビューで「重要だ」と語られた論点が、本当に顧客全体に広がっている課題なのかは検証できない。

このギャップを埋める方法論として、1980 年代後半から体系化されたのが 混合法研究（Mixed Methods Research） です。本稿では、Creswell & Plano Clark (2017) の体系を中心に、4 つの基本デザイン・データ統合のタイミング・Joint Display による分析統合・メタ推論の質的評価 を整理します。「アンケートとインタビューを両方やる」ことを混合法と呼ぶのは技術的には不正確で、両者を 意図的に組み合わせて新しい洞察を生み出す設計 があってはじめて混合法と呼べる——この違いがどこにあるのかを明らかにします。

1. なぜ混合法が必要か — 単一手法の限界

混合法を理解するための出発点は「なぜ単一手法ではいけないのか」を構造的に押さえることです。定量・定性それぞれの限界は、補完性の議論の前提になります。

定量調査の限界

• 「なぜ」を捉えられない: 数値の背景にある文脈、回答者の経験や感情の流れは、選択肢からは見えない
• 想定外の問題を発見できない: 事前に定義した選択肢の枠の外で起きている問題は、データに現れない
• 言語化されていない問題に届かない: 顧客自身が問題を自覚していない場合、設問にすら立てられない

定性調査の限界

• 一般化できない: サンプル数が小さいため、特定の発言が顧客全体に広がっている課題なのかが分からない
• 「重要そうな声」の頻度や広がりが見えない: インタビューで強く語られた論点が、全体の何 % に該当するかは不明
• 比較が難しい: セグメント間や時系列での比較に、統計的な裏付けがない

補完性の構造 — Greene の 5 目的分類

Greene, J. C., Caracelli, V. J., & Graham, W. F. (1989). Toward a conceptual framework for mixed-method evaluation designs は、混合法を採用する目的を 5 つに分類しました。

1. トライアンギュレーション（Triangulation）: 異なる手法で同じ現象を確認し、結論の頑健性を高める
2. 補完性（Complementarity）: 一方の手法で測定した側面を、もう一方が説明する
3. 発展（Development）: 一方の結果を、もう一方の設計の入力に使う
4. イニシエーション（Initiation）: 矛盾や逆説を意図的に探し、新しい問いを生む
5. 拡張（Expansion）: 研究範囲を異なる側面に広げる

この 5 分類が 「ただ両方やる」のではなく「設計的に組み合わせる」 ことの根拠になります。プロジェクト開始時に「うちはこの 5 つのどれを狙うのか」を 1 つ決めることが、混合法設計の第一歩です。

2. 4 つの基本デザイン

Creswell, J. W., & Plano Clark, V. L. (2017). Designing and Conducting Mixed Methods Research (3rd ed.) では、混合法のコア設計を 4 つに整理しています。実務でどれを選ぶかは、目的・スケジュール・リサーチ人員によって変わります。

実務での選定指針として、初めて混合法に取り組むチームは 収束デザインか埋め込みデザイン から始めるのが安全です。説明的順次・探索的順次は時間とリソースの読みが甘いと破綻しやすい設計です。

3. データ収集のタイミング設計

混合法のデザイン選定には、上記 4 デザインの裏側に 3 つの設計軸 が走っています。各軸の選択肢を意識的に決めることで、4 デザインのバリエーションを微調整できます。

例えば収束デザインでも、「定量主・分析時統合」と「等重み・解釈時統合」では、Joint Display の作り方や、最終レポートの構成が大きく変わります。プロジェクト計画時に 3 軸を明示的に書き出すことで、後の統合フェーズでの迷いを減らせます。

4. 定量と定性の統合分析手法（Joint Display）

混合法の実装で最も難しいのが「統合（Integration）」のフェーズです。統計データとテキストデータを並べただけ では混合法とは呼べません——両者を 1 つの分析単位に変換するための具体的な手続きが必要です。

Joint Display（統合表示）

Fetters, M. D., Curry, L. A., & Creswell, J. W. (2013). Achieving integration in mixed methods designs—principles and practices が中心的に整備した手法。定量と定性を 1 つの表・図で 並列表示 することで、両者の関係性を読み手が 1 視点で把握できるようにします。

典型例：

| 顧客セグメント | NPS | 推奨理由（代表的発言） | 改善要望（代表的発言） |
| Power User    | +42 | 「分析機能で他社に戻れない」 | 「モバイル UI が古い」 |
| Casual User   | +8  | 「とりあえず使える」 | 「初回設定が複雑」 |
| Detractor     | -35 | 「コスパが悪い」 | 「サポート反応が遅い」 |

このマトリクスを見ると、各セグメントで何が起きているかが「数値と肉声」の両面から見える状態になります。これが Joint Display の力です。

Pillar Integration Process（PIP）

Johnson, R. E., Grove, A. L., & Clarke, A. (2019). Pillar Integration Process: A Joint Display Technique to Integrate Data in Mixed Methods Research が提案した、Joint Display を体系的に構築する 4 段階手法です。

1. 個別データ準備: 定量・定性それぞれを単独で分析・要約
2. 個別データのリスト化: 両側を並列リストとして整理
3. データの結合: 共通テーマ・矛盾点をパターン認識で抽出
4. 結合データから新しい洞察を抽出: 単独では到達できなかった解釈を言語化

特に第 3 段階の「パターン認識」が中核で、ここで定量・定性のどちらかに寄りすぎると、混合法の意義が薄れます。

統合の質的評価指標 — Fit / Confirmation / Discordance

Fetters et al. (2013) は、統合の質を評価する 3 視点を提示しています。

• Fit（適合度）: 定量と定性の結果が論理的に整合しているか
• Confirmation（確認）: 一方が他方を補強しているか、矛盾しているか
• Discordance（不協和）: 矛盾が見つかった場合、なぜ生じたかを説明できるか

矛盾は失敗ではなく 新しい問いを生む契機 です。「定量では満足度が高いのに、インタビューでは不満が多い」という矛盾は、回答スタイルや測定対象のずれを示すサインとして読み解けます。

5. メタ推論（Meta-inference）の質的評価

混合法の最終アウトプットは「定量だけ」「定性だけ」では到達できなかった メタ推論（Meta-inference） を生み出すことです。

Tashakkori, A., & Teddlie, C. (Eds.). (2010). SAGE Handbook of Mixed Methods in Social & Behavioral Research (2nd ed.) は、メタ推論の質を 9 基準で評価することを提案しています。実務的に重要な視点をまとめると次の通りです。

• 推論の透明性: どのデータからどう結論に至ったかが追跡可能か
• 設計の適合性: 選んだデザイン（4 種のうちのどれか）が研究目的に合っているか
• 分析の妥当性: 定量・定性それぞれの分析が、その手法の基準を満たしているか
• データの統合度: Joint Display や PIP などで、本当に統合がなされているか
• 解釈の一貫性: 定量と定性から導いた結論が、論理的に整合しているか

レポート構成では、「定量結果」「定性結果」「両者を統合した洞察（メタ推論）」の 3 セクションを 明示的に分けて記載 することが透明性を担保する最低条件です。

6. 編集部の視点 — 実務での落とし穴

業界記事と公開事例を継続的に追っている立場から、混合法の実装で必ず効く 5 点を強めに言っておきます。

1. 「両方やる」を「混合法」と呼ばない

両方やれば混合法、ではありません。 設計段階で「定量と定性をどう統合するか」を決めていない場合、それは単なる並行調査であり、メタ推論は生まれません。「混合法をやっている」と社内で謳う前に、Greene の 5 目的のどれを狙うのかを 1 文で書けるか確認することが先決です。

2. 統合フェーズを必ずスケジュールに入れる

収集 → 分析（定量・定性別々） → 統合 → 解釈 → レポート という流れの中で、統合フェーズ（Joint Display 作成・PIP 実施）を軽視すると、最後の最後に「もう時間がないからとりあえず両方の結果を並べて終わり」になります。プロジェクト期間の 少なくとも 20% は統合フェーズに割り当てるのが目安です。

3. 探索的順次デザインは時間を読み違える

インタビューから尺度開発、本調査での検証までは典型的に 3〜6 ヶ月 かかります。プロジェクト期間が 2 ヶ月以内のチームは、無理に探索的順次デザインを選ばず、収束デザインや埋め込みデザインから始めることをおすすめします。

4. 矛盾を「失敗」と扱わない

定量と定性が矛盾した場合、それは設計ミスではなく 新しい洞察の入口 です。「なぜ矛盾したか」を 3 つ以上の仮説で説明し、追加調査や次プロジェクトの起点にする。矛盾を隠して「概ね一致した」と書くレポートは、混合法の価値を最大に毀損します。

5. レポート構成で「統合」を明示する

「定量結果」と「定性結果」を別章にして、最後に「考察」で混ぜる構成は混合法らしさを失います。Joint Display を 1 つ以上含める ことで、統合の証拠をレポート内に残してください。読み手は「両方を見たから何が分かったのか」を 1 枚で理解できる形を期待しています。

7. アンケートツール Kicue での混合法実装

Kicue で混合法研究を運用する際の使い方を整理します。Kicue 単独で完結する範囲と、外部ツールと連携すべき範囲を明示します。

• 定量パート: SA / MA / マトリクス / スケール設問で構造化データを収集
• 定性パート: 自由記述（OA / FA）設問でテキストデータを収集、同一フォーム内で完結
• 回答者 ID 管理: 各回答にユーザー ID を付与し、同一回答者の定量・定性を紐づけ
• CSV エクスポート: 定量・定性の生データを CSV で取得し、R / Python / Excel / Atlas.ti / NVivo 等の外部分析ツールで統合分析・Joint Display 作成
• 追加インタビュー候補抽出: 特定セグメント（例: NPS Detractor）の回答者を CSV から抽出し、フォローアップインタビューの招待リストを作成

混合法研究では「同一回答者の定量・定性データを連結できるか」が決定的に重要です。Kicue は回答者 ID を保持するため、Joint Display 作成のための紐づけ作業が容易になります。

なお、関連記事として 定量調査と定性調査の使い分け、自由記述設問の設計、自由記述を AI で分析する実務、信頼性と妥当性の検証 を併読すると、混合法の各フェーズで使える具体ツールが揃います。

定量と定性の統合分析を 1 つのプラットフォームで進めたい方は、無料のアンケートツール Kicue を試してみませんか。SA / マトリクス / スケール設問での構造化データ収集、自由記述での質的データ収集、回答者 ID 連動の CSV エクスポートで、Joint Display 作成や追加インタビュー候補抽出まで、混合法研究の基盤を 1 アカウントで構築できます。