[論文レビュー] Multilevel latent class analysis with covariates: Analysis of cross-national citizenship norms with a two-stage approach

Roberto Di Mari, Zsuzsa Bakk+2 more|arXiv (Cornell University)|Jul 20, 2023

Social and Cultural DynamicsSocial Sciences被引用数 3

ひとこと要約

本稿では、測定モデルの推定を安定化させるためにクラス数の特定と共変量の組み込みを分離することで、国際的市民意識規範をモデル化するための、共変量を含む2段階の多段階潜在クラス分析（MLCA）を提案する。この手法は階層的データにおける妥当性と解釈可能性を向上させ、『参加的』『義務基盤』『被動的』といった明確な潜在クラスを特定し、民主主義諸国におけるIEA調査データから強く裏付けられる。

ABSTRACT

This paper focuses on the substantive application of multilevel LCA to the evolution of citizenship norms in a diverse array of democratic countries. To do so, we present a two-stage approach to fit multilevel latent class models: in the first stage (measurement model construction), unconditional class enumeration is done separately on both low and high level latent variables, estimating only a part of the model at a time -- hence keeping the remaining part fixed -- and then updating the full measurement model; in the second stage (structural model construction), individual and/or group covariates are included in the model. By separating the two parts -- first stage and second stage of model building -- the measurement model is stabilized and is allowed to be determined only by it's indicators. Moreover, this two-step approach makes the inclusion/exclusion of a covariate a relatively simple task to handle. Our proposal amends common practice in applied social science research, where simple (low-level) LCA is done to obtain a classification of low-level unit, and this is then related to (low- and high-level) covariates simply including group fixed effects. Our analysis identifies latent classes that score either consistently high or consistently low on all measured items, along with two theoretically important classes that place distinctive emphasis on items related to engaged citizenship, and duty-based norms.

研究の動機と目的

• 政治学および社会科学研究における、共変量を含む、偏り補正が施された強固な多段階潜在クラスモデルの不足に対処すること。
• 個人単位が上位レベルの単位（例：国）にクラスタリングされるようなネスト構造を持つデータにおいて、標準的なLCAの限界を克服すること。
• クラス数の特定と共変量の組み込みを分離することで、測定モデルの推定を安定化させ、分類バイアスを回避すること。
• 多段階LCAにおける、個人レベルおよびグループレベルの共変量の柔軟かつ解釈可能な組み込みを可能にすること。
• 統計的厳密性を保ちつつ、複雑な階層的データに対して計算的に実行可能な、段階的推定手法を提供すること。

提案手法

• 2段階の手法を提案：まず、低レベルおよび高レベルでそれぞれ独立して、無条件の多段階潜在クラスモデル（測定モデル）を推定し、一方のレベルを固定して他方を推定する。
• 初期のクラス数特定後、両レベルでの測定モデルを繰り返し更新することで、モデルの安定性を確保する。
• 2段階目では、測定モデルの再推定を伴わずに、個人およびグループレベルの共変量を構造モデルに組み込む。
• 明示的な分類ステップを回避するため、バイアス補正済みの段階的推定手法を採用し、分類誤差への感受性を低減する。
• 最終段階の構造モデルにおける標準誤差を推定するために、非パラメトリックブートストラップを適用する。
• 最適なクラス数の選定にはBICおよび対数尤度を用い、複数のクラス解についてモデル適合統計量を報告する。

Figure 4: The basic latent class model (measurement model) at the lower level

実験結果

リサーチクエスチョン

• RQ1 多段階潜在クラス分析を用いて国際的調査データを分析する際、どのような市民意識規範の潜在クラスが浮き彫りになるか？
• RQ2 個人レベルの特徴（例：性別、教育水準、言語的バックグラウンド）は、異なる市民意識規範クラスへの所属をどのように予測するか？
• RQ3 国レベルの要因は、各国における市民意識規範プロファイルの分布にどのように影響を与えるか？
• RQ4 個人（低レベル）および国（高レベル）の両レベルにおける最適な潜在クラス数は何か？
• RQ5 提案された2段階手法は、共変量を含む標準的な多段階LCAと比較して、モデルの安定性と解釈可能性をどのように向上させるか？

主な発見

• 2段階手法は、クラス数の特定と共変量の組み込みを分離することで、測定モデルの安定化に成功し、バイアスの低減とモデルの解釈可能性の向上を実現した。
• BICおよび対数尤度の改善に基づき、下位レベルに5クラス（M=5）、上位レベルに3クラス（T=3）を選択した。下位レベルでは5クラスモデルが最良の適合を示した。
• 『参加的』クラス（5クラスモデルの2番目）は、政治的参加、議論、抗議行動の支持度が最も高く、強い市民参加意識を示した。
• 『義務基盤』クラス（4番目）は、法的服従、投票、権限機関への敬意を重視し、規範的でルール中心の市民意識を反映していた。
• 『被動的』クラス（5番目）は、全項目で最低得点を示し、市民参加意識が低く、規範的コミットメントも限定的であった。
• 顕著な共変量効果が確認された：女性は『主流』または『参加的』クラスに属する可能性が高く、非ネイティブ話者は『参加的』または『義務基盤』クラスに属する可能性が低く、高い教育目標は『参加的』および『義務基盤』プロファイルと関連していた。

Figure 5: The basic latent class model (measurement model) at the lower level, with $T=5$ , and $M=3$ .