Submit Search
Upload
因果関係を時系列変化で分析
•
1 like
•
2,751 views
D
DaikiNagamine
Follow
2021/02/19 学内研究会資料
Read less
Read more
Science
Report
Share
Report
Share
1 of 20
Download now
Download to read offline
Recommended
因果推論の基礎
因果推論の基礎
Hatsuru Morita
一般化線形混合モデル入門の入門
一般化線形混合モデル入門の入門
Yu Tamura
Rによるベイジアンネットワーク入門
Rによるベイジアンネットワーク入門
Okamoto Laboratory, The University of Electro-Communications
心理学者のためのJASP入門(操作編)[説明文をよんでください]
心理学者のためのJASP入門(操作編)[説明文をよんでください]
daiki hojo
生存時間分析の書き方
生存時間分析の書き方
Yasuyuki Okumura
SEMを用いた縦断データの解析 潜在曲線モデル
SEMを用いた縦断データの解析 潜在曲線モデル
Masaru Tokuoka
Rで因子分析 商用ソフトで実行できない因子分析のあれこれ
Rで因子分析 商用ソフトで実行できない因子分析のあれこれ
Hiroshi Shimizu
社会心理学者のための時系列分析入門_小森
社会心理学者のための時系列分析入門_小森
Masashi Komori
Recommended
因果推論の基礎
因果推論の基礎
Hatsuru Morita
一般化線形混合モデル入門の入門
一般化線形混合モデル入門の入門
Yu Tamura
Rによるベイジアンネットワーク入門
Rによるベイジアンネットワーク入門
Okamoto Laboratory, The University of Electro-Communications
心理学者のためのJASP入門(操作編)[説明文をよんでください]
心理学者のためのJASP入門(操作編)[説明文をよんでください]
daiki hojo
生存時間分析の書き方
生存時間分析の書き方
Yasuyuki Okumura
SEMを用いた縦断データの解析 潜在曲線モデル
SEMを用いた縦断データの解析 潜在曲線モデル
Masaru Tokuoka
Rで因子分析 商用ソフトで実行できない因子分析のあれこれ
Rで因子分析 商用ソフトで実行できない因子分析のあれこれ
Hiroshi Shimizu
社会心理学者のための時系列分析入門_小森
社会心理学者のための時系列分析入門_小森
Masashi Komori
統計的因果推論勉強会 第1回
統計的因果推論勉強会 第1回
Hikaru GOTO
第4回DARM勉強会 (構造方程式モデリング)
第4回DARM勉強会 (構造方程式モデリング)
Yoshitake Takebayashi
データサイエンス概論第一 5 時系列データの解析
データサイエンス概論第一 5 時系列データの解析
Seiichi Uchida
マルコフ連鎖モンテカルロ法 (2/3はベイズ推定の話)
マルコフ連鎖モンテカルロ法 (2/3はベイズ推定の話)
Yoshitake Takebayashi
心理学におけるベイズ統計の流行を整理する
心理学におけるベイズ統計の流行を整理する
Hiroshi Shimizu
統計的因果推論 勉強用 isseing333
統計的因果推論 勉強用 isseing333
Issei Kurahashi
臨床疫学研究における傾向スコア分析の使い⽅ 〜観察研究における治療効果研究〜
臨床疫学研究における傾向スコア分析の使い⽅ 〜観察研究における治療効果研究〜
Yasuyuki Okumura
StanとRでベイズ統計モデリング読書会 導入編(1章~3章)
StanとRでベイズ統計モデリング読書会 導入編(1章~3章)
Hiroshi Shimizu
『バックドア基準の入門』@統数研研究集会
『バックドア基準の入門』@統数研研究集会
takehikoihayashi
MICの解説
MICの解説
logics-of-blue
03 「重回帰分析」の入門
03 「重回帰分析」の入門
Shuhei Ichikawa
因果探索: 基本から最近の発展までを概説
因果探索: 基本から最近の発展までを概説
Shiga University, RIKEN
EMアルゴリズム
EMアルゴリズム
Sotetsu KOYAMADA(小山田創哲)
構造方程式モデルによる因果探索と非ガウス性
構造方程式モデルによる因果探索と非ガウス性
Shiga University, RIKEN
モデル予見制御に基づくペアトレード戦略
モデル予見制御に基づくペアトレード戦略
Kei Nakagawa
データサイエンス概論第一=2-1 データ間の距離と類似度
データサイエンス概論第一=2-1 データ間の距離と類似度
Seiichi Uchida
ロジスティック回帰分析の書き方
ロジスティック回帰分析の書き方
Sayuri Shimizu
ファクター投資と機械学習
ファクター投資と機械学習
Kei Nakagawa
はじめよう多変量解析~主成分分析編~
はじめよう多変量解析~主成分分析編~
宏喜 佐野
ベイズ統計学の概論的紹介
ベイズ統計学の概論的紹介
Naoki Hayashi
日本健康心理学会第36回大会 発表資料
日本健康心理学会第36回大会 発表資料
DaikiNagamine
日本労働科学学会第4回年次大会 発表資料
日本労働科学学会第4回年次大会 発表資料
DaikiNagamine
More Related Content
What's hot
統計的因果推論勉強会 第1回
統計的因果推論勉強会 第1回
Hikaru GOTO
第4回DARM勉強会 (構造方程式モデリング)
第4回DARM勉強会 (構造方程式モデリング)
Yoshitake Takebayashi
データサイエンス概論第一 5 時系列データの解析
データサイエンス概論第一 5 時系列データの解析
Seiichi Uchida
マルコフ連鎖モンテカルロ法 (2/3はベイズ推定の話)
マルコフ連鎖モンテカルロ法 (2/3はベイズ推定の話)
Yoshitake Takebayashi
心理学におけるベイズ統計の流行を整理する
心理学におけるベイズ統計の流行を整理する
Hiroshi Shimizu
統計的因果推論 勉強用 isseing333
統計的因果推論 勉強用 isseing333
Issei Kurahashi
臨床疫学研究における傾向スコア分析の使い⽅ 〜観察研究における治療効果研究〜
臨床疫学研究における傾向スコア分析の使い⽅ 〜観察研究における治療効果研究〜
Yasuyuki Okumura
StanとRでベイズ統計モデリング読書会 導入編(1章~3章)
StanとRでベイズ統計モデリング読書会 導入編(1章~3章)
Hiroshi Shimizu
『バックドア基準の入門』@統数研研究集会
『バックドア基準の入門』@統数研研究集会
takehikoihayashi
MICの解説
MICの解説
logics-of-blue
03 「重回帰分析」の入門
03 「重回帰分析」の入門
Shuhei Ichikawa
因果探索: 基本から最近の発展までを概説
因果探索: 基本から最近の発展までを概説
Shiga University, RIKEN
EMアルゴリズム
EMアルゴリズム
Sotetsu KOYAMADA(小山田創哲)
構造方程式モデルによる因果探索と非ガウス性
構造方程式モデルによる因果探索と非ガウス性
Shiga University, RIKEN
モデル予見制御に基づくペアトレード戦略
モデル予見制御に基づくペアトレード戦略
Kei Nakagawa
データサイエンス概論第一=2-1 データ間の距離と類似度
データサイエンス概論第一=2-1 データ間の距離と類似度
Seiichi Uchida
ロジスティック回帰分析の書き方
ロジスティック回帰分析の書き方
Sayuri Shimizu
ファクター投資と機械学習
ファクター投資と機械学習
Kei Nakagawa
はじめよう多変量解析~主成分分析編~
はじめよう多変量解析~主成分分析編~
宏喜 佐野
ベイズ統計学の概論的紹介
ベイズ統計学の概論的紹介
Naoki Hayashi
What's hot
(20)
統計的因果推論勉強会 第1回
統計的因果推論勉強会 第1回
第4回DARM勉強会 (構造方程式モデリング)
第4回DARM勉強会 (構造方程式モデリング)
データサイエンス概論第一 5 時系列データの解析
データサイエンス概論第一 5 時系列データの解析
マルコフ連鎖モンテカルロ法 (2/3はベイズ推定の話)
マルコフ連鎖モンテカルロ法 (2/3はベイズ推定の話)
心理学におけるベイズ統計の流行を整理する
心理学におけるベイズ統計の流行を整理する
統計的因果推論 勉強用 isseing333
統計的因果推論 勉強用 isseing333
臨床疫学研究における傾向スコア分析の使い⽅ 〜観察研究における治療効果研究〜
臨床疫学研究における傾向スコア分析の使い⽅ 〜観察研究における治療効果研究〜
StanとRでベイズ統計モデリング読書会 導入編(1章~3章)
StanとRでベイズ統計モデリング読書会 導入編(1章~3章)
『バックドア基準の入門』@統数研研究集会
『バックドア基準の入門』@統数研研究集会
MICの解説
MICの解説
03 「重回帰分析」の入門
03 「重回帰分析」の入門
因果探索: 基本から最近の発展までを概説
因果探索: 基本から最近の発展までを概説
EMアルゴリズム
EMアルゴリズム
構造方程式モデルによる因果探索と非ガウス性
構造方程式モデルによる因果探索と非ガウス性
モデル予見制御に基づくペアトレード戦略
モデル予見制御に基づくペアトレード戦略
データサイエンス概論第一=2-1 データ間の距離と類似度
データサイエンス概論第一=2-1 データ間の距離と類似度
ロジスティック回帰分析の書き方
ロジスティック回帰分析の書き方
ファクター投資と機械学習
ファクター投資と機械学習
はじめよう多変量解析~主成分分析編~
はじめよう多変量解析~主成分分析編~
ベイズ統計学の概論的紹介
ベイズ統計学の概論的紹介
More from DaikiNagamine
日本健康心理学会第36回大会 発表資料
日本健康心理学会第36回大会 発表資料
DaikiNagamine
日本労働科学学会第4回年次大会 発表資料
日本労働科学学会第4回年次大会 発表資料
DaikiNagamine
日本健康心理学会第35回大会 発表資料
日本健康心理学会第35回大会 発表資料
DaikiNagamine
日本ヒューマン・ケア心理学会第23回学術集会 発表資料
日本ヒューマン・ケア心理学会第23回学術集会 発表資料
DaikiNagamine
日本健康心理学会第34回 発表資料
日本健康心理学会第34回 発表資料
DaikiNagamine
日本ストレス学会第37回 発表資料
日本ストレス学会第37回 発表資料
DaikiNagamine
Icp id#3232 poster_daiki_nagamine
Icp id#3232 poster_daiki_nagamine
DaikiNagamine
伝わるPowerPointのデザイン(研究発表)
伝わるPowerPointのデザイン(研究発表)
DaikiNagamine
More from DaikiNagamine
(8)
日本健康心理学会第36回大会 発表資料
日本健康心理学会第36回大会 発表資料
日本労働科学学会第4回年次大会 発表資料
日本労働科学学会第4回年次大会 発表資料
日本健康心理学会第35回大会 発表資料
日本健康心理学会第35回大会 発表資料
日本ヒューマン・ケア心理学会第23回学術集会 発表資料
日本ヒューマン・ケア心理学会第23回学術集会 発表資料
日本健康心理学会第34回 発表資料
日本健康心理学会第34回 発表資料
日本ストレス学会第37回 発表資料
日本ストレス学会第37回 発表資料
Icp id#3232 poster_daiki_nagamine
Icp id#3232 poster_daiki_nagamine
伝わるPowerPointのデザイン(研究発表)
伝わるPowerPointのデザイン(研究発表)
因果関係を時系列変化で分析
1.
因果関係を 時系列変化で分析 ―交差遅延効果モデル― 第5回研究会 2021/02/19 永峰大輝 +潜在曲線モデル
2.
関係性の分析 相関分析 回帰分析 SEM これらの分析から得られること • 関係があることがわかる • 影響があることが分かる 注意しなければいけないこと •
時間的先行性はわからない • モデル適合度から因果関係はわからない • 仮説の立て方次第でX→Y,Y→X,X⇌Yの どれもが成り立つ 横断データからの分析 じゃあどうしたらいいの?
3.
関係性の分析 さっきの分析は 一時点のデータを先行研究などから得られる 理論的見地から仮説を立てて因果関係を検討するもの データに時間的要素を含めればOK パネル調査による縦断データから 時系列変化と因果関係を検討しよう
4.
パネル調査とは 同一の調査対象者に,同一内容の項目群を 一定のインターバルを置いて2回以上実施するもの (Finkel, 1995) 2時点での測定のことを「2波のパネル調査」と呼ぶ (高比良他,2006)
5.
縦断データで因果関係 交差遅延効果モデル Cross-lagged effect model パネル調査で得られた2時点以上の縦断データの分析 分析は構造方程式モデリングを使用 交差遅れ効果モデル とも β1,β2:交差遅延効果 β3,β4:安定効果 e1,e2:誤差変数 β2 β1 β4 β3 X1 Y1 X2 Y2 e1 e2 Time1
Time2
6.
モデルの見かた 交差遅延効果モデル Cross-lagged effect model β2が有意でなくて,β1が有意だと XからYへの因果関係を推定できる β1,β2:交差遅延効果 β3,β4:安定効果 e1,e2:誤差変数 β2 β1 β4 β3 X1 Y1 X2 Y2 e1 e2 Time1
Time2
7.
3回調査もある 最低2時点のデータがあれば因果関係の推定は可能 3時点目データを追加するとどうなるのか? • より柔軟かつ安定的に,変数間の因果関係を推定できる (Finkel, 1995;
近江他,2005) • X1→Y2→X3というような循環的な因果関係も見られる (高比良他,2006) X1 Y1 X3 Y3 e1 e2 Time1 Time3 X2 Y2 Time2
8.
潜在変数があるときは 複数因子のある尺度合計得点を観測変数とせずに, 潜在変数をモデルに組み込むこともできる 西田他(2014)
9.
交差遅延効果モデルだとダメ? パネル調査は年1回で行われることが多い その場合モデルに遅延効果を組み込むと, 「1年前のX1が現在のY2に影響する」 という仮説を検証することになる 去年の運動頻度(X1)が現在の抑うつ(Y2)に影響するかを1年空けて調査し,分析する。 交差遅延効果モデルを用いて分析した結果,Time1の運動頻度(X1)はTime2の抑うつ (Y2)に正の影響を与えていた。また,Time1の抑うつ(Y1)はTime2の運動頻度(X2)に 影響を与えていなかった。したがって,運動頻度は抑うつに対して時間的に先行し て影響を与えている。 目的 結果 1年前の運動頻度が現在の抑うつに影響を与える…?
10.
時間的に短いモデルもある β1,β3:同時効果 β2,β4:安定効果 e1,e2:誤差変数 β3 β1 β4 β2 X1 Y1 X2 Y2 e1 e2 Time1 Time2 同時効果モデル Synchronous effects
model 交差遅延効果モデルよりも時間的に近い影響関係を想定
11.
時間的に短いモデルもある β1,β3:同時効果 β2,β4:安定効果 e1,e2:誤差変数 β3 β1 β4 β2 X1 Y1 X2 Y2 e1 e2 Time1 Time2 同時効果モデル Synchronous effects
model β3が有意でなくて,β1が有意だと XからYへの因果関係を推定できる
12.
変数の変化の測定は? 時系列変化による因果関係は明らかになった ただ,X→Yが明らかになるだけで, Yがどのように変化するかについて調べることはできない 「練習量(X)が試合のパフォーマンス(Y)に影響を与える」 という因果関係は調べられるけど, パフォーマンス(Y)がどう変化していくかはわからない
13.
変数の変化を分析 潜在曲線モデル Latent curve model 縦断データで調べた変数の変化の様相を分析することに特化したモデル 分析は構造方程式モデリングを使用 Intercept (切片) Slope (傾き) X1 X2 X3
e3 e2 e1 潜在成長曲線モデル とも 確認的因子分析 の応用
14.
モデルの見かた 潜在曲線モデル Latent curve model 因子(切片と傾き)の平均,分散,因子間の共分散を見るのが重要 SEMのモデル適合度指標もチェック,パスの値は見ない 次スライドから解説→ Intercept (切片) Slope (傾き) パフォーマンス 1年目 パフォーマンス 2年目 パフォーマンス 3年目 e3 e2 e1 【例】 「試合のパフォーマンス」 を1年おきに3回調査 したモデル
15.
結果の見かたと解釈① ➢因子(切片と傾き)の平均値 • データの変化を1次関数式(y=ax+b)で解釈することが可能。 • 切片が調査1回目における平均値,傾きが1年間あたりの変化の平均。 ➢因子(切片と傾き)の分散 •
個人間における切片や傾きのばらつきのこと。 • 値が大きいほど,個々のデータ変化が因子平均に基づいた予測と乖離している可能 性がある。 ➢因子間相関 • 相関が大きいとき,Time1の値が大きいほどその後の成長も大きい。
16.
結果の見かたと解釈② ➢χ2値 • 値が小さいほどよい。 • p値は大きい方がよく,有意でない方がよい。 ➢その他適合度指標 指標
値の範囲 「非常に良好」の範囲 「悪い」範囲 RMSEA RMSEA≧0 0.05未満 0.1以上 SRMR SRMR≧0 0.05未満 0.1以上 GFI GFI≧1 0.95以上 0.9未満 AGFI AGFI≦GFI 0.95以上 0.9未満 NFI 0≦NFI≦1 0.95以上 0.9未満 CFI 0≦CFI≦1 0.95以上 0.9未満 朝野他(2005)を参考
17.
説明変数を投入することもできる 入れたい説明変数を入れて切片と傾きにパスを出す, 切片と傾きの共分散パスを消してそれぞれに潜在変数を追加 結果は,練習量から切片と傾きへのパス係数を見る。 正の値であれば,練習量が高いほど1年目のパフォーマンスが高く, その後のパフォーマンスの成長も大きいと解釈可能。 Intercept (切片) Slope (傾き) パフォーマンス 1年目 パフォーマンス 2年目 パフォーマンス 3年目 e3 e2 e1 練習量 e4 e5
18.
潜在曲線モデルのいいところ ➢個人間と個人内の変化をどちらも見ることができるため,データをマクロ 視点とミクロ視点で解釈することができる(豊田,2007)。 ➢初期値や傾きの個人差が推定できる。 ➢変化が2段階あるときや(成績30点の人たちが70点までは爆発的に上がるけ どそのあとは緩やかなど),先ほどの説明変数を入れるモデル,逆に切片や 傾きを説明変数にするモデルなど,柔軟に対応が可能。 ➢SEMを使うので視覚的理解ができる。
19.
気をつけないといけないこと ➢測定ポイントが一致している必要があるため,参加者間でずれていてはダメ。 ➢測定のタイミングや期間が変化を捉えらるタイミング,期間であるか。 ➢最尤法を使うのでサンプルサイズが多くないといけない。
20.
参考文献 • 朝野煕彦・鈴木督久・小島隆矢(2005).入門共分散構造分析の実際 講談社サイエンティフィック •
西田理恵子(2011).小学児童における動機づけに関する縦断調査―成長曲線モデルを用いて― 外国語教育メ ディア学会(LET)関西支部 メソドロジー研究部会2011年度報告論集,74-80. • 西田裕紀子・丹下智香子・富田真紀子・安藤富士子・下方浩史(2014).高齢者における知能と抑うつの相互関係: 交差遅延効果モデルによる検討発達心理学研究,25(1),76-86. • 岡林秀樹(2006).発達研究における問題点と縦断データの解析方法 パーソナリティ研究,15(1),76-86. • 島本好平・石井源信(2010).運動部活動におけるスポーツ経験とライフスキル獲得との因果関係の推定 スポーツ 心理学研究,37(2),89-99. • 下田芳幸・寺坂明子(2016).小学生の学校における怒りと児童志向との関連性 佐賀大学教育学部研究論文集,1, 151-160. • 豊田秀樹(2007).共分散構造分析 Amos編 東京図書
Download now