2018 Fiscal Year Annual Research Report
Developing a robust method to model misspecification in longitudinal data analysis: Applications for educational and developmental psychology.
| Project/Area Number |
16K17305
|
|---|
| Research Institution | The University of Tokyo |
|---|
Principal Investigator |
宇佐美 慧 東京大学, 高大接続研究開発センター, 准教授 (20735394)
|
|---|
| Project Period (FY) |
2016-04-01 – 2019-03-31
|
| Keywords | 縦断データ / 因果推論 / クロスラグモデル / 発達 / 分類 / 構造方程式モデル決定木 / 潜在成長モデル / 成長 |
|---|
| Outline of Annual Research Achievements |
複数の個人から継続的に測定したデータを縦断データ(longitudinal data)と呼ぶ。縦断データを用いることで，測定値がどのように時間的に変化したかや変化の個人差，さらには変化の相関・因果関係について検証できる。本申請課題では，1)ランダム時間効果を考慮した縦断データ分析法の提案，2)変数間の相関・因果関係を推論するための一般化クロスラグモデルの提案，3)構造方程式モデル決定木（SEM Tree）の性能評価検証と，頑健なモデル設定法の提案，4)教育・発達心理学の縦断データへの提案手法の応用とモデルの誤設定への統合的対処法の提案，の4つの研究課題を主に進める。
昨年度に論文の改稿作業を進めていた研究1および研究2については，今年度いずれも採択されている。具体的に，研究1では，ランダム時間効果(例えば真夏日にスポーツ大会を行えば選手全体が本来の力を発揮できないように，あるイベントが全ての個人に共通して影響し、データの従属性を生じさせるもの）が推定結果に与える影響度の理論値を導出するとともに，その影響を考慮した幾つかのモデルを提案した。研究2は，クロスラグモデルと呼ばれる複数の変数の変化の因果関係を推測する為に広く利用されている統計モデルに関わるものである。本研究では，クロスラグモデルに該当する様々な統計モデル群の異同を明確化し，すべての方法を包含する一般化クロスラグモデルの枠組みを提案するものである。研究3は昨年度の段階ですでに論文化し採択されていた。
研究4は，研究2に関連して，クロスラグモデルに該当する統計モデル群の医学領域における利用状況を調べ，また実データを入手してモデルの選択に応じて相関・因果関係に関する推定結果がどのように変動するかについての実際の検証を行った。現在論文の改稿中である。
|
