[論文レビュー] Estimating Psychological Networks and their Stability: a Tutorial Paper

Sacha Epskamp, Denny Borsboom+1 more|arXiv (Cornell University)|Apr 28, 2016

Mental Health Research Topics被引用数 39

ひとこと要約

このチュートリアル論文は、Rを用いた心理的ネットワークの推定と安定性評価の実用的フレームワークを紹介し、特に病態的データに焦点を当てる。bootnetパッケージを用いてブートストラップリサンプリングを実行し、エッジ重みの信頼区間を推定し、中心性インデックスの安定性を評価することで、研究者がネットワークモデルからより信頼できる帰納的結論を導くことを可能にする。

ABSTRACT

Over the course of the last years, network research has gained increasing popularity in psychological sciences. Especially in clinical psychology and personality research, such psychological networks have been used to complement more traditional latent variable models. While prior publications have tackled the two topics of network psychometrics (how to estimate networks) and network inference (how to interpret networks), the topic of network stability still provides a major challenge: it is unclear how susceptible network structures and graph theoretical measures derived from network models are to sampling error and choices made in the estimation method, greatly limiting the certainty of substantive interpretation. In this tutorial paper, we aim to address these challenges. First, we introduce the current state-of-the-art of network psychometrics and network inference in psychology to allow readers to use this tutorial as a stand-alone to estimate and interpret psychopathological networks in R. Second, we describe how bootstrap routines can be used to assess the stability of network parameters. To facilitate this process, we developed the freely available R-package bootnet. We apply bootnet, accompanied by R syntax, to a dataset of 359 women with posttraumatic stress disorder available online. We show how to estimate confidence intervals around edge weights, and how to examine stability of centrality indices by subsampling nodes and persons. This tutorial is aimed at researchers with all levels of statistical experience, and can also be used by beginners.

研究の動機と目的

• 心理的ネットワークモデルにおけるネットワークの不安定性、特にサンプリング誤差や推定手法への感受性に関する課題に対処すること。
• すべての統計的水準の研究者にとって適した、心理的ネットワークの推定と解釈の包括的かつ独立したチュートリアルを提供すること。
• ブートストラップリサンプリングが、ネットワークモデルにおけるエッジ重みと中心性インデックスの安定性をどのように評価できるかを示すこと。
• 心理的ネットワーク分析における安定性評価に使用できる、無料で利用可能なRパッケージbootnetの導入と実例を提示すること。
• 安定性診断を用いることで、研究者がネットワーク構造に対するより自信のある実質的解釈を下せるようにすること。

提案手法

• 非パラメトリックなブートストラップリサンプリングを用いて、ネットワークパラメータの安定性を評価するため、Rパッケージbootnetを活用する。
• ノードおよび参加者のサブサンプリングを用いて、異なるネットワーク構成における中心性インデックスの安定性を評価する。
• パーセンタイルベースのブートストラップ法を用いて、エッジ重みの周囲に信頼区間を推定する。
• R環境内でガウス・グラフィカルモデルやイジングモデルなどのネットワーク推定手法を統合し、心理的データに適用する。
• 再現可能性を確保するため、ネットワーク推定、安定性評価、可視化のためのRスクリプト例を提供する。
• 359名のPTSDを有する女性のデータセットを用いて、実際のワークフローを実証する。

実験結果

リサーチクエスチョン

• RQ1 臨床的およびパーソナリティ研究における心理的ネットワークは、どのように信頼性高く推定・解釈できるか？
• RQ2 エッジ重みなどのネットワークパラメータは、サンプリング変動に対してどの程度感受性を示すか？
• RQ3 ノードおよび被験者の異なるサブサンプルにおいて、中心性インデックスはどの程度安定しているか？
• RQ4 ネットワーク構造およびその派生指標における不確実性をどのように定量化できるか？
• RQ5 研究者はリサンプリング手法を用いて、どのようにネットワークモデルの頑健性を評価できるか？

主な発見

• bootnetパッケージにより、エッジ重みの信頼区間の推定が可能となり、ネットワーク接続における不確実性の尺度が得られた。
• ノードおよび被験者のサブサンプリングにより、中心性インデックスが不安定であることが判明した。特にサンプルサイズが小さいか、ネットワークがスパースな場合に顕著であった。
• ブートストラップに基づく安定性評価では、一部のエッジ重みに高い変動性が認められ、個々の接続を安定したものと解釈する際には注意が必要であることが示された。
• チュートリアルでは、リサンプリングを用いた系統的な安定性評価が可能であり、ネットワークに基づく帰納的結論の信頼性が向上することを示した。
• 359名のPTSD患者からなる実データセットへの応用により、提案された安定性評価フレームワークの実用的妥当性と有用性が実証された。
• この手法により、研究者がどのネットワークパラメータが頑健で、どのパラメータがサンプリング誤差の産物である可能性があるかを特定できるようになった。