最終更新日 ： 2007.6.26
単純ベースライン法と多層ベースライン法
ある問題行動を修正するために行動分析家が介入していくわけですが、ベースラインというのは行動分析家が行動修正のための介入をする以前の行動（修正される前の行動）を観測する期間のことをいいます。
ベースライン ：
|
単純ベースライン法というものがありますが、これは
というものです。とても単純な話です。ちなみに、統計学にも実験計画法という分野（というか考え方）がありますが、行動分析学でいうところの実験計画法とは異なります。行動分析学における実験計画法の定義は、
となっています。もちろん、これは統計学（データ収集と分析）においても原則となる考え方には変りありません。
また単純ベースライン法のほかに多層ベースライン法というものがあります、これは
です。もう少し具体的にいえば、介入プログラムを1人の被験者の異なる行動へ導入したり、異なる場面に導入したり、複数のグループあるいは被験者へ導入するというものです。
どちらもいっていることは分かりますが、実際に行動介入したことがないので具体的にどのような手続きをするのか私にはよく分かりません。
■ その他、関連した方法論
反転法というものがあります。これは介入プログラムが正しいかどうかを評価するために、行動介入した後にベースライン条件へ戻してあげるという方法です。これを何度か繰り返すことによって、介入プログラムが正しいものであるかをより正確にすることができます。
例えば、ある介入プログラムによって本当に行動が修正されるかどうかを確かめたいとします。まずはベースラインデータを収集してから介入プログラムを導入しますよね。
[ベースライン] -> [介入プログラム（1回目の導入）]
ここで一度、ベースライン時期と同じ条件に戻してあげます。つまり、介入プログラムを導入する前の状態に戻すということです。
[介入プログラム] -> [ベースライン]
ここからさらに、介入プログラムを導入して、前回と同じように行動が改善されれば「この介入プログラムは正しい」といえるわけです。この繰り返し回数が多いほど良いというのは感覚的にも納得できるでしょう。
[ベースライン] -> [介入プログラム（2回目の導入）]
ところで「何度、繰り返せば正しいといえるか」という点に関して統計学的な判断をしたほうが良いと思うのかもしれませんが、行動分析学ではそのようなことはしません。そもそも、実際にはそう何回も繰り返せるわけもないので、統計学的もクソもないでしょう。
反転法 ：
|
つづいて基準変化法について説明しますが、とりあえず以下の数式を見てください。大文字のYが従属変数でXが独立変数です（小文字のaは定数）。
Y = a * X
私たちが知りたいのは変数Yを引き起こす原因であると考えられる変数Xが変化するに従って、どのようにYが変化していくかということです。だから例えば、対象としている行動の回数（＝Y）が報酬の量（＝X）によってどのように変化するかというようなことです。
仮にa = 10だとして、Xの値を変えるとどうなるでしょうか？
Y = 10 * X
X = 1のとき, Y = 10 * 1 = 10
X = 2のとき, Y = 10 * 2 = 20
・・・というように、報酬の量（すなわちX）が1のときは行動の回数（すなわちY）が10となるわけです。もし報酬の量が2のときは行動の回数が20となりますよね。このように独立変数の値を変化させていくことを基準変化法というのです。
また条件交替法というものもあります。これは基準変化法のように独立変数の値を変化させるのではなく、異なる独立変数を入れ替えて従属変数がどのように変化するかを確かめる方法です。言い換えれば、2つの異なる独立変数があった場合、どちらの変数が従属変数に寄与しているかということです。
Y = a * X1 + b * X2
上の式はX1という変数とX2という変数のうち、変数Yにより影響しているのはどちらかを表しています。もし、X1の係数であるaのほうが大きければ変数X1の方が大きく影響しているといえます。逆に係数bの値の方が大きければX2の方が大きく影響しているといえるわけです。
Y = 20 * X1 + 10 * X2 (a > b) ⇒ 変数X1の方が大きく影響している
Y = 10 * X1 + 20 * X2 (a < b) ⇒ 変数X2の方が大きく影響している
