Внутрішня і зовнішня валідність дослідження: причинність, узагальнення та компроміси дизайну

33 хвилини тому

Читати 14 хв

Автор: Український психологічний ХАБ · Опубліковано: 7 жовтня 2026 р. · Редакційна політика

Внутрішня і зовнішня валідність дослідження — це два пов’язані рівні обґрунтованості наукового висновку. Внутрішня валідність стосується того, наскільки дизайн, проведення та аналіз підтримують заявлений висновок у межах дослідження, передусім причинний висновок. Зовнішня валідність стосується того, наскільки цей висновок обґрунтовано переносити на інші популяції, умови, місця, стимули, способи реалізації впливу та періоди часу.

Ці поняття описують валідність дослідницького висновку, а не психометричну якість тесту. Валідність психологічного тесту має окремий зміст: вона стосується доказів, що підтримують конкретну інтерпретацію та використання тестових балів. Змішування цих двох значень слова «валідність» створює методологічну помилку ще до аналізу даних.

Сучасна методологія розглядає валідність як властивість конкретного висновку за певних умов, а не як довічний сертифікат дизайну. Огляд Девіда Кенні в American Psychologist пов’язує внутрішню валідність із коректністю причинного висновку, а зовнішню — з обґрунтованістю узагальнення. Cochrane Handbook так само відокремлює ризик систематичного зміщення, що стосується внутрішньої валідності, від зовнішньої валідності, застосовності та узагальнюваності.

Головна різниця: причинний висновок і межі його перенесення

Найкоротше розрізнення можна сформулювати двома запитаннями. Внутрішня валідність: «Чи справді спостережувана різниця або зміна має те пояснення, яке їй приписує дослідник?». Зовнішня валідність: «Для кого, де, коли та за яких умов цей висновок залишається придатним?».

У причинному дослідженні перше запитання стосується альтернативних пояснень. Якщо групи відрізнялися ще до впливу, якщо одночасно змінилася інша важлива умова, якщо учасники вибували з груп неоднаково або результат вимірювали по-різному, причинна інтерпретація може бути спотворена. Друге запитання постає навіть тоді, коли причинний ефект усередині досліджуваної вибірки оцінено дуже переконливо: невідомо, чи буде такий самий ефект у старших людей, в іншій країні, в іншому закладі, за іншої інтенсивності втручання або через кілька років.

Стаття Andrade про внутрішню, зовнішню та екологічну валідність підкреслює цю різницю: внутрішня валідність стосується того, чи дозволяють дизайн, проведення й аналіз отримати достовірну відповідь без систематичного зміщення, а зовнішня — того, чи можна перенести результати на інші контексти.

Внутрішня валідність: наскільки переконливий причинний висновок

Внутрішня валідність особливо важлива тоді, коли дослідження претендує на причинне твердження. Сам факт, що дві змінні пов’язані, ще не показує, що одна спричиняє іншу. Для причинного висновку треба обґрунтувати часовий порядок, порівняння релевантних умов і контроль альтернативних пояснень. У експериментальному методі це роблять насамперед через маніпуляцію впливом, контроль умов і, коли можливо, випадковий розподіл.

Термін «внутрішня» не означає «внутрішня структура тесту» і не описує узгодженість пунктів шкали. Йдеться про логіку висновку в межах дослідження: чи є підстави приписати спостережуваний результат саме досліджуваному впливу або механізму, а не іншому процесу.

Конфаундинг і невраховані альтернативні пояснення

Конфаундинг виникає, коли третій чинник пов’язаний із досліджуваним впливом і результатом так, що змішує їхній зв’язок. У спостережних даних це одна з центральних причин, чому асоціацію не можна автоматично читати як причинний ефект. Навіть складна регресійна модель не усуває невиміряний або неправильно змодельований конфаундинг просто завдяки кількості змінних у формулі.

Детальніше про цю загрозу причинній валідності та способи її контролю дивіться у статті «Конфаундинг у психологічних дослідженнях».

У рандомізованому експерименті рандомізація робить призначення умов незалежним від передекспериментальних характеристик учасників у ймовірнісному сенсі. Це сильний механізм контролю відомих і невідомих конфаундерів, але він не гарантує ідеального балансу в кожній конкретній вибірці та не виправляє помилки, що виникають після розподілу.

Селекція, вибування і відсутні дані

Внутрішню валідність може порушити селекція вже після формування дослідницьких груп. Якщо з однієї умови частіше вибувають учасники з гіршими результатами, а з іншої — ні, кінцеве порівняння може відображати не лише ефект втручання, а й різний склад тих, хто залишився. Механізм відсутності даних важливіший за сам відсоток пропусків: однакова частка втрат може мати різні наслідки залежно від того, чому дані зникли.

У методології систематичних оглядів Cochrane прямо наголошує: ризик зміщення треба оцінювати окремо від випадкової невизначеності. Велика вибірка може дати вузький довірчий інтервал і водночас дуже точну оцінку систематично зміщеного ефекту.

Історія, дозрівання і регресія до середнього

У дослідженнях із вимірюванням до і після втручання результат може змінюватися без причинного ефекту самого втручання. Паралельна зовнішня подія створює загрозу історії; природний розвиток, адаптація або втома — загрозу дозрівання; відбір людей через надзвичайно високий чи низький початковий показник може створити регресію до середнього. Ці механізми особливо важливі в дизайнах без належної контрольної умови.

Наприклад, якщо програму зниження тривоги запускають саме в тиждень іспитів і вимірюють стан повторно після завершення сесії, зменшення тривоги може виникнути через завершення стресового періоду. Одногрупове порівняння «до — після» не відокремлює цей часовий процес від ефекту програми.

Зміни вимірювання, очікування і поведінка учасників

Причинний висновок також слабшає, коли між умовами змінюється процедура вимірювання. Інший інтерв’юер, інші інструкції, інший пристрій, зміна порогу кодування або неоднакова обізнаність оцінювачів про групу можуть створити систематичну різницю. Засліплення, стандартизація процедур і наперед визначені правила аналізу допомагають зменшувати такі ризики, коли це можливо.

Ефекти очікування та характеристик попиту виникають, коли учасники здогадуються про гіпотезу й змінюють поведінку відповідно до очікувань. Вони не є універсальним поясненням кожного психологічного ефекту, але в окремих дизайнах стають реальною альтернативною причиною результату й мають бути враховані в процедурі та інтерпретації.

Статистична значущість не є показником внутрішньої валідності

Низьке p-значення не показує, що дизайн вільний від конфаундингу, селекції або систематичної помилки. Воно характеризує сумісність спостережуваних даних зі статистичною моделлю та нульовою гіпотезою за заданих припущень; воно не перетворює асоціацію на причинний ефект. Так само великий розмір ефекту не усуває альтернативних пояснень.

Внутрішня валідність оцінюється через дизайн, механізм призначення впливу, якість реалізації, вимірювання, пропуски, аналітичні рішення та відповідність висновку припущенням. Це не один коефіцієнт і не підсумковий бал «якості дослідження».

Зовнішня валідність: до кого, де і коли належить результат

Зовнішня валідність починається з визначення адресата висновку. Не існує абстрактно «високої зовнішньої валідності» без цільової популяції або контексту. Один і той самий результат може добре переноситися на одну групу й погано — на іншу. Тому питання «чи можна узагальнити дослідження?» треба переформулювати як «на яку саме популяцію, ситуацію, версію втручання і період часу ми хочемо перенести цей висновок?».

Огляд Degtiar і Rose показує, що для причинних ефектів визначення цільової популяції є центральним рішенням. Рандомізовані дані можуть мати сильну внутрішню валідність і водночас не відображати склад потрібної популяції; спостережні дані можуть краще охоплювати реальний контекст, але мати більше проблем із невиміряним конфаундингом. Для рішення про ефект у цільовій популяції важливі обидва рівні.

Люди: від вибірки до цільової популяції

Узагальнення на людей залежить від того, як сформована вибірка, кого вона охоплює, хто мав шанс бути включеним, хто відмовився і хто вибув. Репрезентативність вибірки є важливим складником цього питання, але не повним синонімом зовнішньої валідності.

Випадкова вибірка і випадковий розподіл вирішують різні задачі. Випадкова вибірка пов’язана з відбором людей із ширшої популяції та підтримує певні види популяційного узагальнення. Випадковий розподіл працює вже серед залучених учасників і підтримує порівнянність експериментальних умов. Дослідження може мати сильний випадковий розподіл у вузькій зручній вибірці: це посилює внутрішню валідність, але не робить вибірку автоматично репрезентативною.

Умови, місця, стимули і спосіб реалізації

Психологічний ефект може залежати не лише від характеристик людей. Лабораторний стимул, формулювання інструкції, тривалість завдання, кваліфікація фахівця, інтенсивність втручання, соціальне оточення, тип установи й навіть спосіб взаємодії з інтерфейсом можуть модифікувати результат. Тому зовнішня валідність стосується варіації не тільки між учасниками, а й між ситуаціями, матеріалами та процедурами.

Саме це підкреслює пропозиція Constraints on Generality у психологічній науці: автори мають називати цільові популяції людей, ситуацій і стимулів та прямо описувати межі перенесення результату. APA нині рекомендує такі заяви про межі загальності й окремо звертає увагу на матеріали, процедури, контекст і час.

Час як межа узагальнення

Психологічні явища можуть змінюватися разом із технологіями, нормами, економічними умовами, війною, епідеміями, освітніми практиками та іншими історичними процесами. Результат, отриманий у конкретному часовому контексті, не набуває безстрокової дії автоматично. Рік збору даних і суспільні обставини є частиною адреси висновку, особливо коли вони здатні змінювати механізм або базовий рівень результату.

Екологічна валідність не дорівнює зовнішній валідності

Екологічна валідність стосується перенесення результатів на природні, повсякденні умови. У сучасному методологічному вжитку її доцільно розглядати як один аспект зовнішньої валідності, а не як повний синонім. Andrade прямо описує екологічну валідність як специфічне питання про застосовність результату до реального життя.

Реалістичність середовища сама по собі не гарантує зовнішньої валідності. Польове дослідження в одному офісі може бути дуже природним, але не переноситися на школи, лікарні або інші країни. І навпаки, добре контрольований лабораторний ефект може виявитися стійким у багатьох реальних контекстах після систематичних перевірок.

Узагальнюваність і переносимість: сучасне уточнення зовнішньої валідності

У сучасній причинній методології часто розрізняють узагальнюваність і переносимість. У Lesko та співавторів узагальнюваність описує перенесення ефекту з дослідницької вибірки на цільову популяцію, до якої ця вибірка належить, тоді як переносимість стосується іншої цільової популяції, що може лише частково перетинатися з досліджуваною або взагалі не містити її учасників.

Це розрізнення важливе, бо зовнішня валідність не визначається зовнішньою схожістю двох груп. Потрібно знати, які характеристики модифікують ефект, чи відрізняється їхній розподіл між вибіркою і цільовою популяцією, чи ці характеристики виміряно й чи достатнє перекриття для коректного перенесення.

Огляд Degtiar і Rose узагальнює статистичні підходи до такого перенесення — стандартизацію, зважування за ймовірністю потрапляння до вибірки та інші методи. Вони можуть коригувати відмінності за виміряними характеристиками за відповідних припущень, але не створюють інформацію про невиміряні модифікатори ефекту й не усувають порушення припущень магічно.

Внутрішня та зовнішня валідність не утворюють просту шкалу від лабораторії до реального життя

Популярна схема говорить: що більше контролю, то вища внутрішня валідність і нижча зовнішня; що природніші умови, то навпаки. Така евристика інколи описує реальний компроміс, але не є універсальним законом. Вибір дизайну змінює різні джерела помилки одночасно, і багато поліпшень здатні підсилювати обидва типи висновку.

Trafimow прямо критикує уявлення про неминучий внутрішньо-зовнішній компроміс як надто грубе. Сильна теорія, прозора операціоналізація, систематична варіація людей і контекстів, якісне вимірювання та повторні перевірки можуть одночасно робити причинний висновок чіткішим і межі його загальності краще визначеними.

Контрольована лабораторія корисна, коли треба ізолювати механізм і мінімізувати конкретні альтернативні пояснення. Польовий експеримент корисний, коли важливо перевірити, чи діє причинний механізм у природному середовищі. Прагматичне випробування може ширше відображати реальну практику. Багатоцентрове дослідження дозволяє перевірити неоднорідність ефекту між місцями. Це різні інструменти для різних частин одного ланцюга висновку.

Приклад: онлайн-програма для зменшення стресу

Уявімо дослідження онлайн-програми керування стресом серед 600 студентів одного університету. Учасників випадково розподілили між програмою і активною контрольною умовою, оцінювачі не знали про розподіл, аналіз був визначений наперед, вибування невелике й подібне в обох групах. Якщо результат показує відмінність між умовами, дизайн дає сильні підстави приписати її програмі саме в цій досліджуваній системі. Це питання внутрішньої валідності.

Тепер дослідники заявляють: «Програма знижує стрес у всіх дорослих». Цей крок потребує нових підстав. Студенти можуть відрізнятися від працюючих дорослих за режимом дня, цифровими навичками, мотивацією, базовим рівнем стресу та доступністю часу. Університетська підтримка може впливати на дотримання програми. Ефект може змінюватися залежно від віку, зайнятості або тяжкості початкового стану. Тут починається питання зовнішньої валідності.

Якщо наступні дослідження повторюють програму серед людей різного віку, у кількох регіонах і поза університетами, а ефекти лишаються подібними або їхню неоднорідність можна пояснити виміряними модераторами, межі обґрунтованого узагальнення розширюються. Зовнішня валідність накопичується через дослідницьку програму, а не виникає з однієї позначки «реалістичне дослідження».

Як різні дизайни змінюють валідність висновку

Рандомізований експеримент

За коректного випадкового розподілу, належного приховування призначення, мінімального вибування та відповідного аналізу рандомізований експеримент створює сильну основу для внутрішньої валідності причинного ефекту. Його зовнішня валідність залежить від того, хто увійшов у дослідження, які саме версії втручання застосовано, у яких умовах його реалізовано та до якої цільової популяції роблять висновок.

Квазіекспериментальний і природний дизайн

Без випадкового розподілу причинний висновок може бути сильним, якщо дизайн створює переконливе порівняння й робить альтернативні пояснення малоймовірними за чітких припущень. Переривані часові ряди, регресійний розрив, різниця різниць і природні експерименти мають власні припущення. Назва методу не гарантує внутрішню валідність: треба перевіряти, чи виконуються саме ті умови, на яких тримається ідентифікація ефекту.

Спостережне дослідження

Спостережні дані можуть бути незамінними для питань, де експеримент неможливий або неетичний. Вони часто краще відображають реальні популяції та умови, але причинний ефект потребує контролю конфаундингу, селекції, часової послідовності та інших джерел зміщення. Поперечна кореляція сама по собі не встановлює причинність незалежно від розміру вибірки або статистичної значущості.

Багатосайтові й систематичні реплікації

Повторення дослідження в різних місцях, популяціях, мовах, стимулах або процедурах дає пряміший матеріал для оцінки меж загальності. Воно також показує неоднорідність ефекту, яку одиничне дослідження приховує. Реплікація в тому самому контексті перевіряє стійкість результату за близьких умов; систематична варіація контексту дає сильнішу інформацію про зовнішню валідність.

Огляд Vazire, Schiavone і Bottesini наголошує, що довіра до психологічного висновку ширша за просту реплікованість: треба окремо працювати з внутрішньою, зовнішньою, конструктною та статистичною валідністю.

Як оцінювати внутрішню валідність крок за кроком

1. Уточнити, який саме висновок заявлено

Спочатку треба визначити, чи дослідження описує частоту, асоціацію, прогноз або причинний ефект. Вимоги до внутрішньої валідності залежать від типу висновку. Помилка виникає, коли дизайн, придатний для опису зв’язку, інтерпретують так, ніби він ідентифікує ефект втручання.

2. Встановити часовий порядок

Причина має передувати наслідку. Одночасне вимірювання змінних часто не дозволяє визначити напрямок зв’язку. Навіть у поздовжніх даних часовий порядок сам по собі не усуває конфаундинг і селекцію, але без нього причинна інтерпретація ще слабша.

3. З’ясувати, як виникло порівняння

Потрібно знати, хто або що визначало отримання впливу. Випадковий розподіл, адміністративне правило, часовий поріг, самовибір, рішення фахівця чи вже наявна поведінка створюють різні структури можливого зміщення. Саме механізм призначення визначає, які альтернативні пояснення треба контролювати.

4. Перевірити конфаундинг, селекцію та вибування

Слід перелічити правдоподібні спільні причини впливу й результату, оцінити, чи вони виміряні, і перевірити, чи статистичне коригування не контролює наслідки самого впливу або колайдери. Для складних причинних питань корисно формулювати причинну структуру до аналізу, а не підбирати набір коваріат за p-значеннями.

5. Перевірити вимірювання і реалізацію

Навіть ідеальна схема розподілу не захищає від систематичної різниці у вимірюванні результату, порушень протоколу або втрати засліплення. Потрібно оцінити, чи однаково збирали дані в групах, чи результат визначено до перегляду даних і чи не змінювали правила аналізу після того, як став відомим результат.

6. Відокремити систематичну помилку від випадкової невизначеності

Як підкреслює Cochrane Handbook, ризик зміщення й неточність — різні проблеми. Широкий довірчий інтервал сигналізує про невизначеність оцінки, але не означає автоматичного зміщення. Вузький інтервал означає високу статистичну точність за моделлю, але не гарантує коректності дизайну.

Як оцінювати зовнішню валідність крок за кроком

1. Назвати цільову популяцію

Твердження «результат узагальнюється» без адресата неповне. Треба вказати, на кого саме поширюється висновок: усіх дорослих певної країни, студентів, користувачів конкретної послуги, людей із визначеним станом, працівників певної галузі тощо.

2. Порівняти вибірку з цільовою популяцією за релевантними характеристиками

Не всі відмінності однаково важливі. Для перенесення причинного ефекту критичні характеристики, що модифікують цей ефект або пов’язані з механізмом участі й результатом. Демографічна схожість корисна, але не є достатньою, якщо ключовий модифікатор ефекту не виміряно.

3. Перевірити контекст і версію впливу

Потрібно порівняти місце, інтенсивність, тривалість, виконавців, ресурси, супутні умови, стимули та спосіб взаємодії. Якщо втручання в дослідженні реалізовували спеціально підготовлені фахівці з частим супервізуванням, а в реальній практиці таких умов немає, переносимість ефекту потребує окремого обґрунтування.

4. Перевірити часову та історичну адресу

Варто запитати, чи змінилися за час після збору даних технології, правила, доступ до послуг, соціальні норми або інші умови, що можуть модифікувати ефект. Це особливо важливо для цифрової поведінки, освіти, праці та соціально-психологічних явищ, які швидко змінюються.

5. Шукати неоднорідність, а не лише середній ефект

Середній ефект може приховувати різні результати в підгрупах і контекстах. Аналіз модифікаторів ефекту має спиратися на теорію, дизайн і достатні дані, а не на масовий пошук випадкових взаємодій. Узгоджене відтворення відмінностей між групами набагато інформативніше за одну постфактум знайдену підгрупу.

6. Визначити, чи потрібне статистичне перенесення

Якщо склад вибірки й цільової популяції істотно різниться, сучасні методи дозволяють оцінювати цільові ефекти через стандартизацію або ваги за участю. Але такі методи мають власні припущення. Lesko та співавтори наголошують на умовах обмінності, позитивності, порівнюваних версіях впливу, відсутності релевантної інтерференції та коректному вимірюванні.

Поширені помилки в інтерпретації

«Рандомізація робить результат узагальнюваним»

Ні. Випадковий розподіл між умовами насамперед підтримує внутрішню валідність причинного порівняння серед залучених учасників. Він не визначає, як ці учасники потрапили до дослідження і наскільки вони відповідають цільовій популяції.

«Репрезентативна вибірка гарантує причинність»

Ні. Репрезентативність може підтримувати популяційне узагальнення описових оцінок або ефектів, але не усуває конфаундинг у нерандомізованому порівнянні. Можна дуже точно описати зв’язок у репрезентативній вибірці й усе одно не знати його причинного напрямку.

«Велика вибірка означає високу валідність»

Великий n здебільшого зменшує випадкову похибку та підвищує статистичну точність. Він не виправляє систематичний конфаундинг, селекційне зміщення, помилкове вимірювання або невдалу операціоналізацію і не створює відсутні групи населення.

«Якщо результат статистично значущий, дизайн валідний»

Статистична значущість не є сертифікатом внутрішньої валідності. p-значення не повідомляє, чи правильно визначено причинний контраст, чи немає невиміряного конфаундингу, чи не виникло диференційне вибування і чи узгоджується вимірювання між умовами.

«Природні умови автоматично дають високу зовнішню валідність»

Реалістичний контекст відповідає лише на частину питання. Одне природне середовище може бути дуже специфічним. Для зовнішньої валідності треба визначити, які саме елементи контексту мають переноситися і на яку цільову систему.

«Внутрішня валідність важливіша за зовнішню»

Такої універсальної ієрархії немає. Якщо причинний ефект неправильно оцінено в самій вибірці, переносити його далі беззмістовно. Але без зовнішньої валідності навіть бездоганна оцінка ефекту у вузькій дослідницькій системі може бути мало корисною для конкретного рішення. Концепція target validity формалізує цю ідею: для рішення про задану цільову популяцію важлива сумарна відстань між оціненим ефектом і потрібним цільовим ефектом.

Як повідомляти про валідність у науковій статті

Прозоре звітування не створює валідність саме по собі, але дозволяє читачеві її оцінити. APA Journal Article Reporting Standards рекомендують достатньо докладно описувати учасників, критерії включення й виключення, дизайн, аналітичну стратегію, пререєстрацію та інші елементи, потрібні для оцінювання якості й відтворення дослідження.

Для зовнішньої валідності особливо корисні Constraints on Generality: автори прямо називають, до яких людей, матеріалів, процедур і контекстів, на їхню думку, належить висновок, і які характеристики можуть обмежувати його перенесення. Це точніше за ритуальну фразу «результати можуть не узагальнюватися» без пояснення механізму.

У доказовому синтезі застосовність також не зводиться до одного ярлика. Cochrane Handbook радить зіставляти досліджувані популяції, втручання, порівняння й результати з конкретним питанням, для якого доказ має бути використаний. Відмінність між дослідженням і цільовим рішенням треба описувати змістовно.

Чи можна підвищити внутрішню і зовнішню валідність одночасно

Так. Найсильніша стратегія — не намагатися змусити одне дослідження виконати всі функції, а будувати програму досліджень. Контрольований експеримент може ізолювати механізм; польове випробування — перевірити його в природному середовищі; багатосайтове дослідження — оцінити варіацію між місцями; реплікації — перевірити стійкість; цільове вибіркове дослідження — уточнити популяційну адресу; причинні методи перенесення — оцінити ефект у визначеній цільовій популяції.

У межах одного дослідження також можна розширювати діапазон людей, стимулів і ситуацій, не відмовляючись від ключового контролю; використовувати кілька місць; наперед визначати модератори; відбирати умови так, щоб вони представляли ширший клас; документувати контекст; перевіряти чутливість висновку до аналітичних припущень. Якість дизайну полягає в тому, щоб контроль відповідав причинній задачі, а варіація — задачі узагальнення.

Короткий алгоритм для читача дослідження

Коли ви бачите твердження «X впливає на Y», спочатку запитайте, який дизайн дозволяє говорити про причинність і які альтернативні пояснення залишилися. Потім окремо запитайте, кого саме досліджували, де, коли, з якими стимулами й умовами та чи збігається ця система з тією, до якої ви хочете застосувати результат.

Якщо перша частина слабка, проблема належить до внутрішньої валідності: сам причинний висновок може бути неправильним для досліджуваної системи. Якщо перша частина сильна, а друга невизначена, причинний ефект може бути переконливим для вибірки, але межі його перенесення залишаються вузькими. Якщо обидві частини обґрунтовані, висновок має чітко визначену причинну й популяційну адресу.

Запитання й відповіді

Що таке внутрішня валідність дослідження?

Внутрішня валідність — це обґрунтованість висновку в межах досліджуваної системи. Для причинного питання вона означає, наскільки дизайн, проведення й аналіз дозволяють приписати спостережуваний ефект досліджуваному впливу, а не конфаундингу, селекції, вибуванню, змінам вимірювання чи іншим альтернативним поясненням.

Що таке зовнішня валідність дослідження?

Зовнішня валідність — це обґрунтованість перенесення висновку за межі конкретної досліджуваної системи: на інші популяції, місця, ситуації, стимули, версії впливу або періоди часу. Вона завжди оцінюється відносно конкретної цілі узагальнення.

Яка валідність важливіша — внутрішня чи зовнішня?

Для прикладного причинного рішення потрібні обидві. Спочатку треба мати достатні підстави вважати ефект причинним у досліджуваній системі, а потім — підстави переносити його на потрібну цільову систему. У різних дослідницьких задачах пріоритети можуть відрізнятися, але універсальної формули «одна завжди важливіша» немає.

Чи гарантує рандомізація високу внутрішню валідність?

Рандомізація є сильним механізмом контролю передекспериментального конфаундингу, але не захищає від усіх проблем. Диференційне вибування, порушення протоколу, незасліплене вимірювання, помилки даних або невідповідний аналіз можуть послабити внутрішню валідність уже після випадкового розподілу.

Чи гарантує велика репрезентативна вибірка зовнішню валідність?

Вона може суттєво посилити обґрунтування для певної цільової популяції, але зовнішня валідність ширша за склад учасників. Треба враховувати контекст, стимули, процедури, версію втручання, час і можливі модифікатори ефекту. Великий розмір вибірки сам по собі не вирішує цих питань.

Екологічна і зовнішня валідність — це одне й те саме?

Ні. Екологічна валідність стосується передусім перенесення результату на природні повсякденні умови. Зовнішня валідність ширша й охоплює перенесення між людьми, місцями, часом, стимулами та способами реалізації впливу.

Чи може дослідження мати високу внутрішню й низьку зовнішню валідність?

Так. Добре проведений рандомізований експеримент у дуже вузькій групі може переконливо оцінити причинний ефект у цій групі й водночас залишити невизначеним, чи діє він у ширшій популяції або іншому контексті. Саме тому адреса узагальнення має бути сформульована окремо.

Чи може дослідження мати широку вибірку й слабку внутрішню валідність?

Так. Велика популяційна база даних може добре охоплювати різні групи, але нерандомізована асоціація в ній може бути спотворена конфаундингом, селекцією або зворотною причинністю. Широке охоплення не перетворює спостережне порівняння на експеримент.

Чи є компроміс між внутрішньою та зовнішньою валідністю неминучим?

Ні. Частина рішень справді обмінює контроль на природність або широту, але це не універсальний закон. Багатоцентровість, систематична варіація стимулів, прозоре визначення цільової популяції, якісне вимірювання, повторні дослідження та сильна теорія можуть підвищувати обґрунтованість обох рівнів висновку.