日本心理学会第84回大会 (2020年) の公募シンポジウム「心理統計の学習方略を議論する：統計とうまくつきあえるユーザーを増やしていくために」より，樫原 潤 (東洋大学) による話題提供スライドです。

1. 持続可能な統計学習のヒント
論文の多読で統計モデルを
統合的に理解する
1
樫原 潤 (東洋大学)

2. 自己紹介
◼ 樫原 潤 (1988年生，今年で32歳)
◼ 専門：臨床心理学
• うつ病の潜在的スティグマとその低減方法
(Kashihara & Sakamoto, 2018)
• 俗にいう「新型うつ」の偏見についての
実態調査 (Kashihara et al., 2019)
• 心理ネットワークアプローチによる，うつ
病治療のテイラー化 (樫原, 2019)
※ポスター発表 (#10046) やってます！
2

3. 樫原と統計
◼ 「この分析ができる！」は売りにしてこなかった
• まずは学んで，目的に見合ったものをその時々で使う
◼ 「実習」よりも「座学」に偏った学習遍歴
• 18歳～：心理統計学の入門的授業 (座学) を受講
• 20歳～：Stataを使った分析実習
• 22歳～：統計論文の輪読 (通称 南風原ゼミ) に毎学期参加
• 25歳ごろ～：Rを初めて触る
• 29歳ごろ～：論文に書いてあるRのコードはとりあえず動かす
• 31歳～：R Studioを初めて触る，Excel統計の授業をもつ 3

4. 今日お話しすること
◼ 統計モデルの「統合的理解」の重要性
• 「統計モデル間の関連性」をざっくりでも理解していれば，
「新しい分析」を学ぶハードルが下がる
◼ 「統計論文の多読」という学習方略の提示
• 片っ端からアホほど読む，ソフトはあくまで補助ツール
◼ 「心理統計学者とユーザーが集うゼミ教育」の重要性
• 学部や大学院で「統合的理解」の力を養う場があったからこそ，
いま「多読」という方略が成立している
4

5. 統計モデルの「統合的理解」
の重要性
5

6. 「統合的理解」といえば・・・
◼ この2冊が樫原のバイブル
• 「なぜ」「なんのために」多様な統計モデルが誕生したかわかる
• 1つ1つの数式から，「モデル間の具体的なつながり」がわかる
6南風原 (2002, 2014)

7. 「モデル間のつながり」の例
7※ 南風原 (2014) をもとに作図
相関・回帰の
検定・推定
分散分析
平均値差の
検定・推定
重回帰分析
カテゴリ変数
間の連関
因子分析・
SEM
独立変数
が質的
独立変数
が複数
従属変数
も質的
独立変数
が複数
独立変数
が潜在
独立変数
が質的

8. 「統合的理解」をして良かったこと
◼ 「新しい分析＝もとからある分析の拡張」と思える
• 「新しいが，勉強すれば理解できるはず」という期待が持てる
◼ 「よくある拡張のパターン」がわかってくる
• 異なる種類の変数に拡張する，より細かく分散を分解する，
前提を緩めて簡略化する，被験者内デザインに拡張する，など
◼ 拡張の背後にある「文脈」を見る余裕が生まれる
• 単に「拡張した」だけの統計論文には感動しなくなる
• 文脈に感動できれば，新たな研究のアイデアも湧きやすくなる 8

9. 例：樫原の「マルチレベル分析」観
◼ 要するに，重回帰分析や分散分析の拡張でしょ？
• 「個人差変数で説明しきれなかった分散」の中から，「集団に関
する変数で説明できる分散」を見出そうって話だよな
◼ でも，細かく分解すりゃ良いってもんじゃないよなぁ
• あ，やっぱり尤度比検定でモデル間比較とかやるんだ
◼ 確かに，学校教育とかの文脈だと必要な分析だろうな
• でも，自分の場合は「いろんな集団からデータを取る」ことは
まれだし，重回帰分析や分散分析で十分でしょ
9

10. 「統計論文の多読」という
学習方略の提示
10

11. 「統計論文の多読」方略の概要
◼ 前提として，論文をコンスタントに集める
• 学術雑誌アラートの登録，SNSの活用，ソフトでの文献管理
• 「Psychological Methodsは全部読む」などのルール化
◼ 片っ端から刷って，片っ端から読む
• 自分の専門の論文と混ぜ，山の上の方から順番に読む
• あらゆる「スキマ時間」で読む
• モチベーションに関係なく，生活習慣の一部として読む
• 読み方の質 (集中の度合いなど) は問わない
11

12. 読んだらコメントしてファイリング
◼ 「自分の心がどう動いたか」の記録を残すイメージ
• ふだん着の，自分が使いこなせる言葉で
• 「従来の分析」との対比を特に意識する
12
Tofighi & Kelly (2020)

13. 読んだらコメントしてファイリング
◼ 「わかったふり」はしない
• 「わからん」「つまらん」も正直に書く
• その上で，「かすかにわかったポイント」を拾い上げる
13
Estrada & Ferrer
(2020)

14. 「統合的理解」と「多読」の円環
◼ 統合的理解をしているから，多読でもついていける
• 「背景の文脈」「分析の概要」「数式」の全部がさっぱりわから
ない，というケースはおそらくない
• 知っていることを足掛かりに，「どうやらこういう拡張をしたら
しい」と雰囲気で理解できる
◼ 多読して多様なモデルに触れるから，統合的理解が進む
• 多読すると，「モデル間の共通性」に気づきやすくなる
• 教科書に載っていない新しい分析についても，自分なりにマッピ
ングできる
14

15. 「心理統計学者とユーザーが
集うゼミ教育」の重要性
15

16. 学部時代の振り返り
◼ 「ソフトの手ほどき」より「概念的理解」がメインだった
• 「分散」「相関」など基礎の基礎から，「どのような指標か」
「なぜその指標が必要か」を教えてもらった
• 高校数学の「丸暗記」「やらされ感」とは異なる快感
◼ 心理統計が専門の先生にみっちり教えてもらえた
• 数式の説明がよどみないので，すっと理解できた
• 受講者のレベルに合った計算を出してもらえた
16

17. 大学院時代 (南風原ゼミ) の振り返り
◼ 「心理統計の専門・非専門」に関係なく，受講生が興味あ
る統計論文をピックアップし，持ち回りで紹介する形式
◼ 統計専門のゼミ生の発表を毎学期聴けた
• 「イメージの端っこ」を掴むと，次の発表の理解が少し向上
◼ 心理統計学者の前で，統計論文を自分なりに解説できた
• M1でも，論文を直訳していけば「それっぽいレジュメ」を作れた
• 他の人のロジックが刺激となり，論文検索力が少しずつ向上
17

18. 教員になって感じる物足りなさ
◼ 樫原が統計の授業を教えるので良いのか？
• 概念的理解を促そうとするも，つかえながらの説明になる
• マンパワー的に「複数の教員による分担」が必要なのはわかるが，
心理統計学者によるSVがほしい
◼ 「統計入門」から一歩踏み出すための授業はないのか？
• 「ExcelやSPSSの実習」の必要性はわかるが…
• 「入門」と「自学自習」の橋渡しをする授業がないと，「入門書
通りにしかできないユーザー」の量産が止まらないのでは？
18

19. 提言：統計教育のテコ入れを！
◼ 入門の授業を超えた，「統計ワールドを広げ深める」ため
のゼミ教育がもっと普及すればいいのに
◼ 組織に向けて：
心理学の部署で心理統計学者のポストを用意してほしい
◼ 若手心理統計学者に向けて：
「大学教員」というキャリアの魅力に気づいてほしい
19

20. 文献
Estrada, E., & Ferrer, E. (2019). Studying developmental processes in
accelerated cohort-sequential designs with discrete- and continuous-
time latent change score models. Psychological Methods, 24(6), 708–
734.
南風原 朝和 (2002). 心理統計学の基礎――統合的理解のために―― 有斐閣
南風原 朝和 (2014). 続・心理統計学の基礎――統合的理解を広げ深める――
有斐閣
樫原 潤 (2019). 精神病理ネットワークの応用可能性――うつ病治療のテイラー
化を促進するために―― 心理学評論, 62(2), 143–165.
Kashihara, J., & Sakamoto, S. (2018). Reducing implicit stigmatizing
beliefs and attitudes toward depression by promoting
counterstereotypic exemplars. Basic and Applied Social Psychology,
40(2), 87–103. 20

21. 文献
Kashihara, J., Yamakawa, I., Kameyama, A., Muranaka, M., Taku, K., &
Sakamoto, S. (2019). Perceptions of traditional and modern types of
depression: A cross-cultural vignette survey comparing Japanese and
American undergraduate students. Psychiatry and Clinical
Neurosciences, 73(8), 441–447.
Tofighi, D., & Kelley, K. (2020). Improved inference in mediation analysis:
Introducing the model-based constrained optimization procedure.
Psychological Methods. Advance online publication.
http://dx.doi.org/10.1037/met0000259
21