Downloaded 109 times
![さらに
• p値はサンプルサイズによって変動する（大き
いほど「有意」になりやすい！
• 効果量で見てみると…
g [ 95 %CI] = 0.08 [ -0.01 , 0.17 ]
土下座まったなし！！
しょぼい！](https://image.slidesharecdn.com/random-170721041649/85/slide-41-320.jpg)
![Drift Diffusion Model
• [2値の選択 (およびその正答), 反応時間]という
二つの観測変数で複数パラメータ求めるモデル。
正答に至るまでのRT
誤答までのRT
正誤の
バイアス
正誤の難易度反応に至る
までの速さ
処理に至るま
での時間](https://image.slidesharecdn.com/random-170721041649/85/slide-43-320.jpg)
ベイズ統計モデリングと心理学
- 1.
- 2.
- 3.
- 4.
- 5.
- 6.
- 7.
- 8.
- 9.
- 10.
- 11.
- 12.
- 13.
- 14.
- 15.
- 16.
- 17. ベイズ統計 is 何for 心理の人 • 古典的な統計学（因子分析などで使われる ような最尤法という推定手法が有名）より も柔軟なモデル推定を実現できるもの 適用例：モデルの未知数 (パラメータ) 多い ＋モデルが複雑な場合にも適用可能 ＋ N の少ないデータでも適用可能 詳しいことはやる気が出てから学ぼう！ 出なければ出るまであたためよう！
- 18.
- 19. 心理学とは • 心と行動の学問であり、科学的手法により 研究される (Nolen-Hoeksemaet al., 2012)。 • 科学＝一定領域の対象 (心理学の場合は人 の心や行動) を客観的な方法で系統的に研 究する活動 (Wikipedia)。
- 20. 科学の代表的手法 • モデリング＝科学者が解明したい問題に 対して、モデル (模型)の構築や分析を通 じて、現実世界を間接的に研究する手法 (Weisberg, 2013) • モデルとは： • 具象モデル＝具体的な事物の性質によって現 実世界を表現可能にするモデル • 数理モデル＝現象を数学的に表現可能にする 抽象的なモデル
- 21. ベイズ統計モデリング • 統計モデリング 数理モデルとデータをあてはめて現実世界の 理解・予測を促す営み (松浦,2016) 統計モデリング ＋ ベイズ統計 ベイズ統計モデリング！ どんなモデルも どんとこい！
- 22.
- 23.
- 24. ベイジアン統計モデリングと 心理学の関係♡ • 心理学 (みなさんが知りたいこと)＝人の 心と行動を記述するモデル構築を目指す 悩み：人の心・行動は複雑 • ベイズ統計モデリング＝モデルとデータ をつなぐ「枠組み」 長所：複雑なモデルもどんとこい
- 25. ベイジアン統計モデリングと 心理学の関係♡ • 心理学 (みなさんが知りたいこと)＝人の 心と行動を記述するモデル構築を目指す 悩み：人の心・行動は複雑 • ベイズ統計モデリング＝モデルとデータ をつなぐ「枠組み」 長所：複雑なモデルもどんとこい ニーズがマッチ！
- 26.
- 27.
- 28.
- 29.
- 30.
- 31.
- 32. 計算処理論モデル • 潜在的 (直接観察できない)認知プロセス を検討するための定量的枠組みを提供する。 • これにより提供されるパラメータは心理学 的に意味のある個人差を反映すると考えら れる (例：学習率、報酬感受性)。 心理実験でのデータの解釈を広げる！
- 33.
- 34.
- 35.
- 36.
- 37. 研究の目的 • 彼女を愛する＝「彼女」に対する好ましさ ⇒ 好ましい刺激に対して反応時間 (ReactionTime: RT) がはやくなる • すなわち、「彼女」という情報に対する反応 はその他の情報よりもはやくなる！！ 彼女への愛を行動によって示す
- 38.
- 39.
- 40. 結果 反応時間の結果： t検定 (平均値の比較) の結果 t(1896.6)= 1.84, p = 0.07 彼女条件平均 0.73 vs. 統制条件平均 0.72 (sec) 高橋さんと同 じくらいって こと…？ ちゃんと好き だけど…？
- 41. さらに • p値はサンプルサイズによって変動する（大き いほど「有意」になりやすい！ • 効果量で見てみると… g[ 95 %CI] = 0.08 [ -0.01 , 0.17 ] 土下座まったなし！！ しょぼい！
- 42.
- 43. Drift Diffusion Model •[2値の選択 (およびその正答), 反応時間]という 二つの観測変数で複数パラメータ求めるモデル。 正答に至るまでのRT 誤答までのRT 正誤の バイアス 正誤の難易度反応に至る までの速さ 処理に至るま での時間
- 44. どういうモデル？ 刺激呈示 彼女です！ Non decision time(τ) + Decision time＝反応時間 (RT) 符号化 処理 反応 反応時間をより細かく見ていくことが可能！
- 45. 出てくるパラメータ早見表 • 土居・川西 (2012)参照 α β τ ν ① ③ ② ④ ① ② ③ ④ 記号 心理学的解釈 α 正誤の難易度 ν 情報蓄積スピード β 先験的バイアス τ 符号化・運動時間
- 46. 正誤の難易度（α 赤＝彼女条件 青＝統制条件 • 分布の重なり ＝ほぼ一緒！ 0.85 0.900.95 1.00 1.05 難易度は同じ くらい！
- 47. 情報蓄積スピード（ν 赤＝彼女条件 青＝統制条件 • 分布が少し離れてる 0.5 1.01.5 2.0 2.5 「彼女」に対する 情報蓄積スピード が若干はやい！
- 48. (「彼女」ν) ― (「高橋」ν) 「彼女」情報蓄積が… νの差分 -0.20.0 0.2 0.4 0.6 差分においても、 「彼女」に対する 情報蓄積スピード が若干早いことが 分かる。 はやい おそい
- 49. 先験的バイアス（β 「彼女」情報に対 して、バイアスが かかっている！ 0.45 0.50 0.550.60 赤＝彼女条件 青＝統制条件 • 分布が離れてる ＋赤は0.50よりも高い
- 50. 非決定時間（τ 0.495 0.500 0.505 赤＝彼女条件 青＝統制条件 •分布の重なり ＝ほぼ一緒！ 符号化・運動時間 は同じくらい！
- 51. 結果のまとめ ※解釈には強い個人差があります。 • 反応時間は同じくらい •「彼女」に対する情報蓄積スピードが若干高い • 「彼女」に対して「彼女です！」と答えるバイ アスがめっちゃかかってる 愛してるから情報処理が容易 愛してるから彼女にとびついてしまう。 天井効果みたいなもの？
- 52.
- 53.
- 54.
- 55. ※Caution！ （よくある誤解 • 「恋人」の話はあくまで ポップな例え話です。 • ベイズは魔法ではない！ •いつでも使える最強手法 でもない (従来手法で十分 な場合もある)。適材適所。 「ベイズで意味のある 結果にな～れ♬」 なりません。 (garbage in, garbage out. 正しい実験計画を！)
- 56.
- 57. 主な引用文献 • 土居淳子, &川西千弘. (2012). 拡散モデルに基 づく潜在的連合テストデータの分析. 京都光華 女子大学研究紀要, 50, 111-122. • 松浦 健太郎 (2016). Stan と R でベイズ統計モ デリング 石田基広 (監修) Wonderful R. Vol 2. 共立出版 • マイケル・ワイスバーグ (2013) 科学とモデル シミュレーションの哲学 入門 松王政浩 訳 ベイズ統計に関す る超重要図書！⇒ みんな買おう！
- 58. 参考にしたサイト • Ill-identified さんの「今更だが、ベイズ統計と は何なのか」http://ill- identified.hatenablog.com/entry/2017/03/17/025625 •国里先生の「RStanによる反応時間の解析： Linear Ballistic Accumulator modelを用いて」 https://ykunisato.github.io/lbaStan/lbaStan.html
- 59.
- 60.