日本心理学会第87回大会のチュートリアル企画「心理ネットワークアプローチ入門：縦断データ解析を中心に」用に作成したスライド資料です (5つある資料の1個目)。 心理ネットワークアプローチについて知るとともに，縦断データ解析の実施手続きを学べる内容となっています。心理学や精神医学だけではなく，社会科学の様々な領域で生かせる手法ですので，ぜひ目を通してみてください！

1. 縦断デザインにおける
「データ」と「分析」
菅原 大地
（筑波大学）
sugawara@human.tsukuba.ac.jp
日本心理学会第87回大会 2023年9月15-17日
TWS-015 心理ネットワークアプローチ入門
縦断データ解析を中心に

2. ・ 自己紹介とネットワーク分析の面白さ
・「データ」のデザイン
・「分析」のデザイン
・「データ」と「分析」の関係
流れ

3. 自己紹介とネットワーク分析の面白さ

4. 自己紹介
最近の関心：心理療法のダイナミクス
・心理ネットワークに関する論文
・ネットワーク分析・思考を活用する心理療法
（プロセス・ベースド・セラピー）
0
1
2
3
4
5
介入前 介入後
抑
う
つ
症
状
時間の経過
心の構造
… …
介入前 介入後

5. ネットワーク分析と臨床
ネットワーク分析と臨床に活かす
・アセスメント
・作用機序
・コミュニケーション などなど
http://ibaseishin.com/nichiseishin2023/

6. N＝１ ネットワーク分析
https://journals.plos.org/plosone/article/file?id=10.1371/journal.pone.0162811&type=printable
統合失調症患者の症状の変動

7. 「データ」のデザイン

8. 縦断ネットワーク分析の前に
内容：「データ」と「分析」の関連づけ
Chapter 9
Longitudinal Design Choices:
Relating Data to Analysis
・縦断ネットワーク分析を実行する前
のお話（前提）
→データと分析の「デザイン」から
学んでいく
→時間的な変化を含むデータや分析
全般に関わるお話

9. データも分析も様々
データ
質問紙
調査
実験 生体データ
経験
サンプリング
分析
様々なデータや分析を，
時間や人といった次元で「タイプ」分けする
因子分析
分散分析
構造方程式
モデリング 時系列解析

10. データのデザイン
単一測定データ N ＝ 1 時系列データ
N > 1 時系列データ
…
２
1
５
People
…
時間(Time)
1
1
5
People
時間(Time)
…
２
1
５
People
時間(Time)
…
…
…
…
パネルデータ

11. 「横断？」「単一測定？」
単一測定データ ≠ 横断的データセット
横断的データセット
→特定の瞬間を切り出した横断面
＝別の切り取り方がありえる
単一測定データ
→1名につき，1個の観測値しかそもそも
入手できないデータも含まれる

12. N ＝ 1 時系列データ
単一測定データ N ＝ 1 時系列データ
N > 1 時系列データ
…
２
1
５
People
…
時間(Time)
1
1
5
People
時間(Time)
…
２
1
５
People
時間(Time)
…
…
…
…
パネルデータ

13. 単一測定データ N ＝ 1 時系列データ
N > 1 時系列データ
…
２
1
５
People
…
時間(Time)
1
1
5
People
時間(Time)
パネルデータ
…
２
1
５
People
時間(Time)
…
…
…
…
パネルデータとN>1 時系列データ

14. 単一測定データ N ＝ 1 時系列データ
N > 1 時系列データ
…
２
1
５
People
…
時間(Time)
1
1
5
People
時間(Time)
パネルデータ
…
２
1
５
People
時間(Time)
…
…
…
…
パネルデータとN>1 時系列データ
パネルデータとN>1 時系列データの良さ
→個人内効果と個人間効果を分けられる

15. 「分析」のデザイン

16. 横断的分析 個人内分析
固定効果分析
…
２
1
５
People
…
時間(Time)
3
時間(Time)
People
…
…
個人間分析
時間(Time)
２
1
５
分析のデザイン

17. 横断的分析の欠点
・数名の人に，特定の同一の瞬間に得られた
データ（例えば，一回の調査研究）
→個人間効果と個人内効果を区別できない
例）「コーヒーを飲む量」と「文章の執筆量」に正の相関
＞
個人間効果
＞
コーヒーを
いっぱい
飲む人たち
コーヒーを
あまり
飲まない人たち
普段は
そんなに
飲まない
普段より
コーヒーを
飲んだ
個人内効果

18. 横断的分析 個人内分析
固定効果分析
…
２
1
５
People
…
時間(Time)
3
時間(Time)
People
…
…
個人間分析
時間(Time)
２
1
５
分析のデザイン

19. 個人間分析と個人内分析
個人間分析≠横断的分析
「検討対象となっている人々のなかで，
時間が経過しても安定している要素」を
取り出して，要素間の関連を検討する
例）コーヒーの飲む量が多い人は
少ない人よりも執筆量↑
個人内分析
ある特定の個人について反復測定を
行った際の変数の分散を検討する
例）コーヒーを飲んだ日に執筆量↑
→特定の個人1名から得られた観測値
の内部での関係

20. 横断的分析 個人内分析
固定効果分析
…
２
1
５
People
…
時間(Time)
3
時間(Time)
People
…
…
個人間分析
時間(Time)
２
1
５
分析のデザイン

21. 固定効果分析
固定効果分析
・時間ではなく，人々からのサンプリングという要素を
ならしたもの
→「平均的な人」における個人内の関連
・（仮想される）平均的な人の平均からの偏差同士の関連
→「平均的な人」は実在しない
個人内分析として解釈してよいかは議論が分かれる
←特定の1名

22. 「データ」と「分析」の関係

23. データと分析の関連
1対１対応しているわけではない！

24. そもそも，どんなデータなの？
測定したデータは，何を反映していますか？
・安定した特性を測ろうを思って質問をした！
例）「平均的にみて，コーヒーをよく飲みますか？」
→安定した側面を測ろうとしていれば，
その時の回答者の状態が反映されてしまう
・個人に，平均値からの偏差を尋ねることもできるが，
まだ一般的な方法ではない
例）「今日は平均より多くコーヒーを飲みましたか？」

25. タイムフレーム
そのタイムフレームで個人内相関しそう？
ストレス
不安
時間(Time)
ガン
喫煙
時間(Time)

26. 分析を選択する鍵と気にすること
質問の仕方を工夫する（気を遣う）
・安定した特性を測ろうとしているのか，
状態的に変化するものと測ろうとしているのか？
・いつから，いつまでのことを尋ねているのか？
そもそも測定したいものの特徴は何？
・変化するものなの？
・どれくらい安定しているの？
どんな分析をするかは，データセットの中身次第

27. 同時性効果と経時的効果を分ける
グラフィカル・ベクトル自己回帰（GVAR）
・同時性効果のモデルを進め，ガウシアン・
グラフィカルモデルとして表現したもの
経時的ネットワーク（経時的効果）
→経時的関係が集まって出来る有向ネットワーク
同時性ネットワーク（同時性効果）
→同時性関連が集まってできる無向ネットワーク

28. GVARモデルを用いた研究
N > １データであれば個人間効果も検討可能
経時的ネットワーク 同時性ネットワーク 個人間ネットワーク
https://www.nature.com/articles/s41598-022-14901-8

29. まとめ
・ データと分析には4つのタイプがある
・どのような分析をするのがよいかは，
データの中身に依存する
・GVARモデルを用いると
①経時的ネットワーク
②同時性ネットワーク が得られる

30. 引用文献
・Bak, M., Drukker, M., Hasmi, L., & van Os, J. (2016). An n=1 Clinical
Network Analysis of Symptoms and Treatment in Psychosis. Plos one, 11(9),
e0162811. https://doi.org/10.1371/journal.pone.0162811
・O'Driscoll, C.; Epskamp, S.; Fried, E.I. et al.(2022). Transdiagnostic
symptom dynamics during psychotherapy. Scientific Reports 12, 10881.
https://doi.org/10.1038/s41598-022-14901-8