JPA2024_NetworkTutorial_Kashihara_Yanagi
0 likes306 views
日本心理学会第88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：RとJASPで横断データ分析をはじめよう」用に作成したスライド資料です。 心理ネットワークアプローチについて知るとともに，横断データ解析の具体的な手続きを学べる内容となっています。RとJASPという2つのソフトウェアを使って，どなたでも横断ネットワーク分析を試すことができます。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！
![JASPによるネットワーク分析②
? サンプルデータを開き，[Network] のアイコンをクリック
? ベイズ版のオプションもある！ (が，今回はClassicalを選択)
85/96](https://image.slidesharecdn.com/jpa2024slides-240904111036-892c5847/85/JPA2024_NetworkTutorial_Kashihara_Yanagi-85-320.jpg)
![[DL輪読会]Training RNNs as Fast as CNNs](https://cdn.slidesharecdn.com/ss_thumbnails/20171002dlhacks-171002105129-thumbnail.jpg?width=560&fit=bounds)
More Related Content
More from Jun Kashihara (20)
JPA2024_NetworkTutorial_Kashihara_Yanagi
- 1. 日本心理学会第88回大会 2024年9月8日 樫原 潤 (東洋大学)?柳 百合子 (NCNP?筑波大学) 心理ネットワークアプローチ入門： RとJASPで横断データ分析をはじめよう 1/96
- 2. 開始に先駆けてのお願い ? Confitの「参加者用ログイン」で，本TWSのページを ご確認ください ? コメント機能を活用し，TWSに必要な情報をまとめています ? RとRstudio (とJASP) のインストールをお願いします (まだの方) ? 本日のスライド資料やコードを共有しています ※ 「JPA2024_Code_Solutions」のRコードは事後閲覧用です 2/96
- 3. 本TWSの目的 ? 心理ネットワークアプローチをはじめよう！ ? 横断データ分析を，実際にやってみよう！ ※ Epskamp et al. (2018) をもとに作図 3/96
- 4. 本TWSの構成 ? 心理ネットワークアプローチ / 分析の概要 (15分) ? 横断ネットワーク分析の体験談 (20分) ? 横断ネットワークワーク分析のテクニカルな解説 (15分) ? Rで実際にやってみよう！ (35分) ? JASPも試しに触ってみよう！ (10分) 4/96
- 8. ネットワークというものの見方 うつ病 抑うつ 不眠 無価値観 e1 e2 e4 食欲不振 e3 抑うつ 不眠 食欲不振 無価値観 DSM的な発想から，臨床実践の 現実に則したものの見方へ クライエントは，「概念」ではなく 「症状の連鎖」に苦しんでいる セラピストが介入できるのは， 「症状」や「連鎖」のみであり， 「概念」は直接攻撃できない ※ 樫原 (2021) より引用 8/96
- 9. ネットワーク分析とは① ? 多変量が相互作用してできる複雑系を推定?視覚化する ※ Borsboom et al. (2021) より引用 ※ Epskamp et al. (2018) をもとに作図 9/96
- 10. ネットワーク分析とは② ? 複雑系がもつ大域的 / 局所的特徴を要約する ※ Epskamp et al. (2018) をもとに作図 ※ Epskamp et al. (2018) をもとに作図 各ノード (個別症状) のもつ局所的特徴 を，3種類の「中心性指標」として要約 できる ?強度：他症状への直接的な影響力 ?近接性：他症状との距離的な近さ ?媒介性：症状間を媒介する機能 10/96
- 11. 臨床以外の領域への広がり ? 例①：社会心理学の態度研究 ? 態度を「非常に嫌い～非常に好き」のスケールではなく，「様々 な信念や評価が織りなす複雑系」で捉える (Dalege et al., 2018) ? 態度の極性化現象の動的シミュレーションも (Dalege et al., 2022) ? 例②：パーソナリティ研究 ? 「ビッグ5を成すコンポーネント同士が織りなす相互作用」を検討 し，複雑なパーソナリティの全容がわかる (Cramer et al., 2012) 11/96
- 12. 体系的テキストも翻訳されました！ ? ぜひ今日，第一歩を踏み出しましょう！ Isvoranu et al. (2022) 樫原?小杉 (監訳) (2024) 12/96
- 18. ②使ったリソース 18/96
- 20. ③思考プロセス 20/96
- 30. 読み込んだデータが変だ ?とりあえず，文字から数値に変換してみたりした ?なんかそれっぽいデータになった ?いいのか，，，これで， ?相関みたけどいけてそう。。。SPSSと同じだパチパチ y <-read.table("net1.csv", header = TRUE, ",") str(y) 試行錯誤した結果，これでなんとか。。。 30/96
- 32. ネットワーク図できた ?やったああああああ（感動???） ?これ，，，が私のネットワークかぁ。。。 ?国里さんから指摘いただき（お恥ずかし） ?感動の極み #ネットワーク図 results_gad <- estimateNetwork(y,default = "EBICglasso", corMethod = "cor_auto") plot(results_gad, layout = "spring",labels = TRUE) 当時は何の意味も分かっていない。。。 32/96
- 33. ネットワーク図できた ?やったああああああ（感動???） ?これ，，，が私のネットワークかぁ。。。 ?国里さんから指摘いただき（お恥ずかし） ?感動の極み #ネットワーク図 results_gad <- estimateNetwork(y,default = "EBICglasso", corMethod = "cor_auto") plot(results_gad, layout = "spring",labels = TRUE) 同じく，当時は何の意味も分かっていない。。。 33/96
- 34. その他の図もできるぞ ?中心性 ?ノードについての理解が深まる ?へええええ，重回帰じゃみえないものがあるんだなぁ #中心性の指標のプロット centralityPlot(results_gad, include = c("Strength", "Betweenness", "Closeness")) 前に勉強した 中心性っぽいコードだな 34/96
- 35. その他の図もできるぞ ?中心性 ?ノードについての理解が深まる ?へええええ，重回帰じゃみえないものがあるんだなぁ #中心性の指標のプロット centralityPlot(results_gad, include = c("Strength", "Betweenness", "Closeness")) 35/96
- 36. なんか色々サクサク進む！ ?安定性 # エッジの重みの正確度 accuracy_edge <- bootnet( results_gad, nBoots = 2500, nCores =1, statistics = c("edge", "strength", "closeness", "betweenness")) summary(accuracy_edge) plot ( accuracy_edge, labels = FALSE, order = "sample“) 36/96
- 37. なんか色々サクサク進む！ ?安定性 # エッジの重みの正確度 accuracy_edge <- bootnet( results_gad, nBoots = 2500, nCores =1, statistics = c("edge", "strength", "closeness", "betweenness")) summary(accuracy_edge) plot ( accuracy_edge, labels = FALSE, order = "sample“) 長いコードだ。。。 37/96
- 38. なんか色々サクサク進む！ ?安定性 # エッジの重みの正確度 accuracy_edge <- bootnet( results_gad, nBoots = 2500, nCores =1, statistics = c("edge", "strength", "closeness", "betweenness")) summary(accuracy_edge) plot ( accuracy_edge, labels = FALSE, order = "sample“) 解釈も調べながら 38/96
- 39. 結果の安定性の確認 ?何かできている感 #中心性指標の安定性 stability_centrality <- bootnet( results_gad, nBoots = 2500, type = "case", nCores =1, statistics = c("strength", "closeness", "betweenness")) plot (stability_centrality, c("strength", "closeness", "betweenness")) ほんの少し 時間かかる。。。 39/96
- 40. 結果の安定性の確認 ?何かできている感 #中心性指標の安定性 stability_centrality <- bootnet( results_gad, nBoots = 2500, type = "case", nCores =1, statistics = c("strength", "closeness", "betweenness")) plot (stability_centrality, c("strength", "closeness", "betweenness")) ほんの少し 時間かかる。。。 40/96
- 41. 有意性の確認もできる！ ?何か扱えている感 #CS係数 corStability(stability_centrality) #CS係数有意差 plot(accuracy_edge, "edge", plot = "difference", onlyNonZero = TRUE, order = "sample") plot(accuracy_edge,"strength") plot(accuracy_edge,"closeness") plot(accuracy_edge,"betweenness") 41/96
- 42. 有意性の確認もできる！ ?何か扱えている感 #CS係数 corStability(stability_centrality) #CS係数有意差 plot(accuracy_edge, "edge", plot = "difference", onlyNonZero = TRUE, order = "sample") plot(accuracy_edge,"strength") plot(accuracy_edge,"closeness") plot(accuracy_edge,"betweenness") 42/96
- 43. 有意性の確認もできる！ ?何か扱えている感 #CS係数 corStability(stability_centrality) #CS係数有意差 plot(accuracy_edge, "edge", plot = "difference", onlyNonZero = TRUE, order = "sample") plot(accuracy_edge,"strength") plot(accuracy_edge,"closeness") plot(accuracy_edge,"betweenness") 43/96
- 44. ④所感 44/96
- 50. (横断) ネットワーク分析の原理① ? 隣接行列がもつ情報を可視化している ? 社会ネットワーク分析の場合… 0 1 0 1 0 1 0 1 0 Mike Anna Lucy Mike Anna Lucy Mike Anna Lucy 50/96
- 51. (横断) ネットワーク分析の原理② ? 「重み行列」からもネットワークを可視化できる ? 関連の「強度」「正負」を表せる 0 4 0 4 0 ?1 0 ?1 0 Mike Anna Lucy Mike Anna Lucy Mike Anna Lucy 51/96
- 52. (横断) ネットワーク分析の原理③ ? 心理変数の場合は，「重み行列 ≒ 偏相関行列」となる ? アルゴリズムを選択し，データから推定する 0 0.5 0.4 0 0 ?0.1 0.5 0 0.3 ?0.3 0 0 0.4 0.3 0 0 0 0 0 ?0.3 0 0 0.4 0.3 0 0 0 0.4 0 0.2 ?0.1 0 0 0.3 0.2 0 A1 A2 A3 S1 S2 S3 A1 A2 A3 S1 S2 S3 52/96
- 53. (横断) ネットワーク分析の原理④ ? ペアワイズ?マルコフ確率場 (PMRF) から適切なモデルを 選択して分析する ? 無向 (＝矢印なし) ネットワークモデルの総称 ? 代表的なものは以下の3種類 ? 連続データ：ガウシアン?グラフィカルモデル (GGM; Epskamp, Waldorp, et al., 2018) ? 二値データ：イジングモデル (Epskamp, Maris, et al., 2018) ? 混合データ：混合グラフィカルモデル (MGM; Haslbeck & Waldorp, 2020) 53/96
- 54. 推定 (モデル選択) のアルゴリズム ? 以下の4種類が存在 (※テキスト第7章を参照) ? 閾値処理 ? 枝刈り ? モデル探索 ? 正則化 ※「合わせ技」もできる ? 一番手軽なのは，正則化のEBICglassoアルゴリズム 54/96
- 55. R, Rstudio, Rパッケージとは？ ? R: プログラミング言語そのもの ? 「システムエンジニアがコード文を書く現場」のようなもの ? RStudio: 統合開発環境 (IDE) ? 「iPhoneの端末」のようなもの ? Rパッケージ: 発展的な分析等を提供する拡張機能 ? 「iPhoneにインストールしたアプリ」のようなもの 55/96
- 56. 横断ネットワーク分析の主なパッケージ ? qgraph ? あらゆるネットワークを自在に可視化できる ? bootnet ? 様々なパッケージの機能を包んだラッパー関数を提供 (便利！) ? ブートストラップ法も実施できる (安定性?正確性の評価など) ? psychonetrics (※やや玄人向け) ? 様々なアルゴリズムを組み合わせた推定が可能 ? 横断的分析も縦断的分析も手広く対応している 56/96
- 57. 中心性指標 ? ネットワークの局所的特徴 (各ノードがもつ機能) を記述 ? 初期の研究では，以下の3種類が多用された ? 強度 (strength): 接続されたエッジ群の，重みの絶対値の平均 → 他のノード群に対する相対的な影響力の大きさ ? 近接性 (closeness): 他のノード群との距離的な近さ ? 媒介性 (betweenness): 他の2ノードを媒介することが何回あるか ※ 安易な使用?解釈への警鐘も (Bringmann et al., 2019) 57/96
- 58. 正確性，安定性，ネットワーク比較 ? 推定の精度を，各種のブートストラップ法で検討できる ? ノンパラメトリック?ブートストラップ法 →各エッジの重みの正確性を検討 ? ケースドロップ?ブートストラップ法 →各種中心性指標の安定性を検討 ? 2サンプル間で，ネットワーク構造の差異を検討できる ※ どういった感じか，後ほど見てみましょう！ 58/96
- 61. Rの基本操作② ? パッケージのインストールと読み込み ? インストールは初回のみ，読み込みは毎回 ※ #でコメントアウトしておけば，毎回インストールせずに済む ※ パッケージの説明書 (reference manual) はweb検索で入手できる → 「qgraph package in r」でググろう！ 61/96
- 63. ネットワークの描画② ? 引数 (ひきすう; arguments) を追加指定していく ? 関数のヘルプをまず参照しよう ? groups引数を追加すると…？ 63/96
- 64. ネットワークの描画③ ? Q1: 引数をあと2つ追加して，右の図を作成しよう ? 関数のヘルプで，Important additional argumentsを参照しよう 64/96
- 65. ネットワークの描画④ ? 満足いく図ができたら，PDFできれいに保存しよう ※ JPG等がほしい場合は，「PDFで作図 → 無料変換サイトを活用」 がおすすめ！ ? 空白のPDFを作成し (1行目)，そのPDF上で作図 (2行目) したあと， PDFファイルを閉じている (3行目) ※ PDFがなぜか開けない場合は，dev.off()を繰り返し実行 65/96
- 66. bootnetによる推定?描画① ? 横断ネットワーク分析には，bootnetパッケージが便利！ ? 重み行列を得る前の，ローデータから分析を実行できる ? よく使われる推定アルゴリズムは，一通り実行できる ? ブートストラップ法で，推定の正確性?安定性を評価できる ? 何はともあれ，インストールして読み込もう 66/96
- 67. bootnetによる推定?描画② ? 練習用に，サンプルデータを読み込もう！ ? メイン関数の estimateNetwork のヘルプに，サンプルデータの 取得方法が書いてある ※ 良いパッケージのヘルプには，明瞭な Examples がついている 67/96
- 69. 中心性指標のプロット ? bootnetで得たネットワーク構造に対し，qgraphの centralityPlot 関数を実行 ※ scaleは“raw”にする (z値で標準化しない) のが近年では推奨されている 69/96
- 70. エッジの重みの正確性 ? 各エッジの重みについて，ブートストラップ信頼区間 (BCI) を求め，推定の正確性を検討 ? ※ 灰色の横線がBCIを表す ※ 計算に時間がかかるといっても， 発表者ノートPCで2分程度 70/96
- 71. 中心性指標の安定性① ? 一定数のサンプルをふるい落とし，中心性指標の順位が いつまで保たれるかを検討 ※ 色付きの影の縦線がBCIを表す ※ 計算に時間がかかるといっても， 発表者ノートPCで2分程度 71/96
- 72. 中心性指標の安定性② ? 先ほどのBCIの情報を，相関安定性 (CS) 係数として要約 ? 強度 (strength): CS(cor = .70) = .75 ? 近接性 (closeness): CS(cor = .70) = .67 ? 媒介性 (betweeness): CS(cor = .70) = .67 ※ CS(cor = .70) とは，「フルサンプルとの間で中心性指標の相関.70 を維持する場合，何%までサンプルをふるい落とせるか」を表す ※ CS(cor = .70) は0.25 を超えているべきであり，0.5 を超えるのが より望ましい (Epskamp et al., 2018) 72/96
- 73. ネットワーク比較① ? 複数のネットワークを比較することもできる！ ? 図をきれいに整えたうえで，視覚的に比較 ? ネットワーク比較検定 (van Borkulo et al., 2023) の実施 ? 何はともあれ，NetworkComparisonTest パッケージを 読み込もう 73/96
- 76. ネットワークの視覚的比較② ? Q2: このプロットのどこが不完全でしょう？ (2か所) 76/96
- 77. ネットワークの視覚的比較③ ? 適切な比較のためのもうふた手間 ? 平均レイアウトの定義 ? エッジの重みに関する最大値の定義 77/96
- 79. ネットワーク比較検定① ? 「並べ替え検定」の原理を活用 ? 反復計算を伴うぶん，実施に多少時間がかかる ? 3種類の比較検定が実施できる ? 大域的強度検定: 総体としてのネットワーク構造に差異は認められるか？ ? オムニバス検定: 少なくとも1本以上のエッジに差異は認められるか？ ? 特定のエッジについての検定: 「他でもないこのエッジ」について差異は認められるか？ 79/96
- 80. ネットワーク比較検定② ? 「男女間でネットワーク構造に大差はなさそう」の印象を 裏付ける結果に ? 大域的強度検定: p = .617 ? オムニバス検定: p = .712 ? 特定のエッジについての検定: p < .05のエッジもありはする 80/96
- 83. JASPとは？② ? GUI統計解析ソフトらしからぬ，至れり尽くせり感！ ? 無料！ ? アムステルダム大学のメンバー＋Scientific Advisory Board → 発展的分析もできる！(ネットワーク，ベイズ，メタ分析…) ? 「実行」キーを押す前から，サクサク分析してくれる！ ? 分析モジュールごとに，サンプルデータを提供してくれている！ ? ユーザーのコミュニティに直接アクセスできる！ ※ SPSSの立場は??? 83/96
- 84. JASPによるネットワーク分析① ? ネットワーク分析用のサンプルデータをまず入手 ? 先ほどのR演習と同じ，ビッグ5データ (偶然か必然か？) 84/96
- 85. JASPによるネットワーク分析② ? サンプルデータを開き，[Network] のアイコンをクリック ? ベイズ版のオプションもある！ (が，今回はClassicalを選択) 85/96
- 87. JASPによるネットワーク分析④ ? 出力したいプロット / 表にチェックを入れる ? チェックしたそばから，勝手に描画される。。。 87/96
- 88. JASPの短所 ? 超簡単なぶん，機能が限られている ? 見たところ，縦断データ分析には対応していない？ ? プロットのオプションも，Rの場合ほど充実していない ? 「分析がうまくいかなかった場合」に対処ができない ? 「最新の分析」「元からある分析のニュースタンダード」は， まずRに実装される ? GUIの常として，分析の中身の理解につながらない ? 何をやっているのかが実感できないと，他人に説明できない 88/96
- 89. JASPをもっと学ぶためのリソース 小杉 (2022) 清水?山本 (2022) Huth et al. (2023) 89/96
- 90. 文献 Barabási, A.-L. (2016). Network Science. Cambridge University Press. (バラバシ， A.-L. 池田 裕一?井上 寛康?谷澤 俊弘 (監訳) (2019). ネットワー ク科学――ひと?もの?ことの関係性をデータから解き明かす新しいアプロー チ―― 共立出版) Borsboom, D., Deserno, M. K., Rhemtulla, M., Epskamp, S., Fried, E. I., McNally, R. J., ... & Waldorp, L. J. (2021). Network analysis of multivariate data in psychological science. Nature Reviews Methods Primers, 1, 58. https://doi.org/10.1038/s43586-021-00055-w Bringmann, L. F., Elmer, T., Epskamp, S., Krause, R. W., Schoch, D., Wichers, M., ... & Snippe, E. (2019). What do centrality measures measure in psychological networks? Journal of Abnormal Psychology, 128(8), 892–903. https://doi.org/10.1037/abn0000446 90/96
- 91. 文献 Cramer, A. O. J., Van der Sluis, S., Noordhof, A., Wichers, M., Geschwind, N., Aggen, S. H., ... Borsboom, D. (2012). Dimensions of normal personality as networks in search of equilibrium: You can’t like parties if you don’t like people. European Journal of Personality, 26(4), 414–431. https://doi.org/10.1002/per.1866 Dalege, J., Borsboom, D., van Harreveld, F., & van der Maas, H. L. J. (2018). The attitudinal entropy (AE) framework as a general theory of individual attitudes. Psychological Inquiry, 29(4), 175–193. https://doi.org/10.1080/1047840X.2018.1537246 Dalege, J., Haslbeck, J. M. B., & Marsman, M. (2022). Idealized modeling of psychological dynamics. In A.-M. Isvoranu, S. Epskamp, L. J. Waldorp, & D. Borsboom, (Eds.), Network psychometrics with R: A guide for behavioral and social scientists (pp. 233–245). Routledge. 91/96
- 92. 文献 Epskamp, S., Borsboom, D., & Fried, E. I. (2018). Estimating psychological networks and their accuracy: A tutorial paper. Behavior Research Methods, 50(1), 195–212. https://doi.org/10.3758/s13428-017-0862-1 Epskamp, S., Maris, G. K. J., Waldorp, L. J., & Borsboom, D. (2018). Network psychometrics. In P. Irwing, D. Hughes, & T. Booth (Eds.), The Wiley handbook of psychometric testing (pp. 953–986). Wiley. Epskamp, S., Waldorp, L. J., M?ttus, R., & Borsboom, D. (2018). The Gaussian graphical model in cross-sectional and time-series data. Multivariate Behavioral Research, 53(4), 453–480. https://doi.org/10.1080/00273171.2018.1454823 Haslbeck, J. M. B., & Waldorp, L. J. (2020). mgm: Estimating time-varying mixed graphical models in high-dimensional data. Journal of Statistical Software, 93(8), 1–46. https://doi.org/10.18637/jss.v093.i08 92/96
- 93. 文献 Huth, K. B., de Ron, J., Goudriaan, A. E., Luigjes, J., Mohammadi, R., van Holst, R. J., ... & Marsman, M. (2023). Bayesian analysis of cross-sectional networks: A tutorial in R and JASP. Advances in Methods and Practices in Psychological Science, 6(4), 25152459231193334. https://doi.org/10.1177/25152459231193334 Isvoranu, A.-M., Epskamp, S., Waldorp, L., & Borsboom, D. (Eds.). (2022). Network psychometrics with R: A guide for behavioral and social scientists. Routledge. (イスヴォラヌ, A.-M.?エプスカンプ, S. C.?ウォルドープ, L.?ボースブーム, D. (編著) 樫原 潤?小杉 考司 (監訳) (2024). 心理ネットワークアプローチ入 門――行動科学者と社会科学者のためのガイド―― 勁草書房) 樫原 潤 (2021). 理論構築の観点から紐解く心理ネットワークアプローチの活用上 の留意点――松本論文へのリプライ―― 心理学評論, 64(2), 204–223. https://doi.org/10.24602/sjpr.64.2_204 93/96
- 94. 文献 小杉 考司 (2022).心理学データ解析基礎―― RとJASPで学ぶ楽しい心理統計の 世界―― Independently published. 清水 優菜?山本 光 (2022). JASPで今すぐはじめる統計解析入門――心理?教 育?看護?社会系のために―― 講談社 van Borkulo, C. D., van Bork, R., Boschloo, L., Kossakowski, J. J., Tio, P., Schoevers, R. A., Borsboom, D., & Waldorp, L. J. (2023). Comparing network structures on three aspects: A permutation test. Psychological Methods, 28(6), 1273–1285. https://doi.org/10.1037/met0000476 94/96
- 95. オンラインコミュニティのご案内 ? ぜひ，独りではなく，一緒にがんばりましょう！ ? Slackで“Psych Networks Japan”コミュニティを運営中 ? 「とりあえずつながる」ことから始めましょう https://note.com/junkashihara/n/n71752ea65086 95/96
- 96. Enjoy the Psychological Network Approach! ※本発表は，科研費課題 (21H05068, 23K18999) および 2024年度井上円了記念研究助成の一環で行われました。 ※本発表について，開示すべき利益相反関連事項はありません。 96/96