評価コンパスEvalCompass
因果推論・実験因果メカニズム単一事例質的手法仮説検証歴史的証拠

プロセストレーシング

Process Tracing
別名: 過程追跡、プロセス・トレーシング、因果メカニズム分析

単一の事例内で、介入から結果への因果メカニズムを追跡する質的手法。hoop test・smoking gun等の証拠テストを使い、競合する因果仮説を体系的に検証する。多事例比較や量的手法を補完する。

難易度 中級 ●●●費用 中 ●●●期間 単一事例の場合2〜6か月（証拠収集・分析込み）
プロセストレーシング 証拠テストシートを開く →

概要

プロセストレーシングは、事例研究の方法論として政治学・国際関係論・評価学で発展した手法であり、Alexander George らによって体系化された。単一の事例（プログラム・政策・組織・国）を深く掘り下げ、「Xが起きたからYが起きた」という因果の連鎖を構成する中間的なメカニズム（因果プロセス）を文書・インタビュー・観察などから追跡し検証する。

特徴的なのは「証拠テスト（Tests of Evidence）」の枠組みであり、Derek Beach と Rasmus Brun Pedersen（2013）が普及させた4種類のテスト——hoop test（通過しなければ仮説は棄却）、smoking gun test（通過すれば仮説を強く支持）、doubly-decisive test（両者の組み合わせ）、straw-in-the-wind test（軽微な支持/反証）——によって証拠の診断的価値を評価する。

RCTやDiDが「なぜ機能したか」を明らかにしないのに対し、プロセストレーシングはメカニズムの解明に焦点を置く。貢献度分析と組み合わせることで、変化の理論の各ステップを精査するのに有効。

✓ こんな時に使う

  • 「なぜこのプログラムは機能したか（または機能しなかったか）」という因果メカニズムの解明が目的
  • 少数の事例（1〜数事例）を深く分析することで、因果連鎖の具体的な経路を追跡したい
  • 先行する量的評価で効果が示されたものの、そのメカニズムが不明であり、文脈を踏まえて解明したい
  • 競合する複数の因果説明（仮説A vs 仮説B）のどちらがより証拠に整合するかを検証したい

✕ 向かない場面

  • 多数の事例を比較して因果効果の大きさや一般化可能性を統計的に示したい場合——量的手法や大規模比較研究が適する
  • 機密情報や過去記録が入手困難で、中間的な因果プロセスの証拠を収集できない場合
  • 因果メカニズムより「どれほどの効果があったか」の量的推定のみが求められる場合

実施手順

  1. 因果仮説と競合仮説の定式化
    「プログラムXはメカニズムMを通じてアウトカムYを生み出した」という因果仮説を1つ以上定式化する。少なくとも1〜2つの競合する代替仮説も合わせて定式化する。
  2. 証拠を期待されるシグナルに変換
    各仮説が正しい場合に文書・インタビュー・観察から発見されるべき具体的な「証拠シグナル（fingerprints）」を事前にリストアップする。証拠の有無が仮説の採否にどう影響するか（4種のテスト）を整理する。
  3. 証拠の系統的な収集
    プログラム文書・会議議事録・担当者インタビュー・行政記録・メディア等から証拠を系統的に収集する。事前に想定したシグナルだけでなく、予期せぬ証拠にも注意を払う（新仮説の可能性）。
  4. 証拠テストの実施
    収集した各証拠が各仮説を支持するか反証するかを、hoop test / smoking gun / doubly-decisive / straw-in-the-wind の枠組みで評価する。証拠の診断的価値（どれほど仮説を識別する力を持つか）を判断する。
  5. 因果メカニズムの再構築
    証拠テストの結果を統合し、「何が起きてどのように成果が生まれたか」を時系列で因果メカニズムとして再構築する。反証された仮説を除外し、最も証拠整合性の高い説明を提示する。
  6. 代替説明の検討と結論の報告
    残された代替説明と不確実性を率直に示す。単一事例から得られた知見の一般化可能性の限界を明記し、理論的示唆と実務的含意を報告する。

長所と限界

長所

  • 因果メカニズム（ブラックボックスの中身）を可視化でき、「なぜ機能したか」という問いに答えられる
  • n数が少ない事例でも厳密な因果推論が可能——量的手法では対応できない文脈依存的な因果パスを分析できる
  • 証拠テストの枠組みにより、質的証拠の評価に系統性・透明性をもたらす
  • 既存の量的評価と補完的に使うことで、評価の深さと理解を大幅に向上できる

限界

  • 単一または少数事例から得られた知見は、他の文脈・事例への一般化が限定される
  • 証拠の解釈に評価者の主観が介入しやすく、複数の評価者が同じ証拠から異なる結論を導く可能性がある
  • 証拠の収集・分析に時間・労力がかかり、大規模プログラムの全体評価には向かない
  • 証拠が乏しい（資料がない、関係者へのアクセスがない等）と仮説の識別が困難

⚠ よくある落とし穴

  • 「証拠テスト」を実施せず物語を構築する——時系列の記述が「プロセストレーシング」と混同されることが多い。仮説を事前に定式化し、証拠テストで識別することが手法の核心
  • 競合仮説の検討を省略する——最初から結論を決めて証拠を集めると確証バイアスに陥る。必ず代替仮説を立て、どちらが証拠に整合するかを比較する
  • smoking gun の過度な求め——単一の決定的証拠がなくても、複数のhoop testを通過した証拠の積み重ねが因果の根拠になり得る。証拠の多様性を活用する
  • 事例固有性を一般化として提示する——「この事例ではこのメカニズムが働いた」という知見を「どこでも通用する」と誤って一般化しない。一般化の範囲と条件を明示する