[論文レビュー] Network Psychometrics

Sacha Epskamp, Gunter Maris+2 more|arXiv (Cornell University)|Sep 9, 2016

Mental Health Research Topics被引用数 39

ひとこと要約

本論文は、ネットワーク心理測定におけるイジング模型と多次元項目反応理論（MIRT）の間で形式的な同等性を確立し、両モデルが二値項目反応の確率分布を同一に得ることを示している。心理測定データを潜在的特徴よりも相互作用する変数のネットワークとして定式化することで、著者らはイジング模型が標準的な心理測定技術を用いて推定可能であることを示し、潜在変数を直接観測可能な変数の相互依存性から生じる性質として再解釈している。

ABSTRACT

This chapter provides a general introduction of network modeling in psychometrics. The chapter starts with an introduction to the statistical model formulation of pairwise Markov random fields (PMRF), followed by an introduction of the PMRF suitable for binary data: the Ising model. The Ising model is a model used in ferromagnetism to explain phase transitions in a field of particles. Following the description of the Ising model in statistical physics, the chapter continues to show that the Ising model is closely related to models used in psychometrics. The Ising model can be shown to be equivalent to certain kinds of logistic regression models, loglinear models and multi-dimensional item response theory (MIRT) models. The equivalence between the Ising model and the MIRT model puts standard psychometrics in a new light and leads to a strikingly different interpretation of well-known latent variable models. The chapter gives an overview of methods that can be used to estimate the Ising model, and concludes with a discussion on the interpretation of latent variables given the equivalence between the Ising model and MIRT.

研究の動機と目的

• 心理測定におけるネットワークモデルと統計物理学、特にイジング模型との正式な接続を確立すること。
• イジング模型と多次元項目反応理論（MIRT）が、二値項目反応の確率分布において数学的に同等であることを示すこと。
• 従来の心理測定モデルにおける潜在変数を、未観測の原因ではなく、観測可能な変数間の直接的相互作用から生じる性質として再解釈すること。
• ネットワークモデリングと古典的心理測定理論の間の方法論的ブリッジを提供し、標準的な心理測定応用にネットワーク手法を活用可能にする。

提案手法

• 本論文は、二値変数間の依存関係をモデル化するための一般枠組みとして、2次元マルコフ確率場（PMRF）を定式化する。
• 統計物理学に由来するノードおよびペアワイズのポテンシャル関数を用いて定義される二値データの特定のタイプとして、イジング模型を導入する。
• 結合確率分布の再パラメータライゼーションにより、イジング模型がロジスティック回帰、対数線形モデル、MIRTモデルと数学的に同等であることが示される。
• イジング模型の尤度関数を導出し、スパースなネットワーク構造を誘導するために罰則付き最大尤度法（例：LASSOおよびエラスティックネット）を提案する。
• 条件付き独立性の仮定を用いて局所的マルコフ性を導出し、ノード単位の回帰によるネットワークパラメータの効率的推定を可能にする。
• ベイズ的アプローチを提示し、MIRTにおける潜在変数の事後分布が多変量正規分布であり、観測データを条件として独立であることを示す。

実験結果

リサーチクエスチョン

• RQ1 統計物理学のイジング模型を、MIRTなどの古典的心理測定モデルと正式に結びつける方法は何か？
• RQ2 イジング模型と多次元項目反応理論との間で、結合確率分布の観点から数学的同等性はどのように規定されるか？
• RQ3 観測変数間の直接的相互作用を持つネットワークモデルは、説明力に損なわれることなく、従来の潜在変数モデルに置き換え可能か？
• RQ4 イジング模型のパラメータ（例：閾値と相互作用強度）は、MIRTモデルのパラメータとどのように対応するか？
• RQ5 潜在変数が、背後にある原因ではなく、観測された相互作用のネットワークから生じる性質として見なされる場合、その解釈にどのような意味が生じるか？

主な発見

• イジング模型とMIRTモデルは、二値項目反応の結合確率分布を同一に生成し、形式的な数学的同等性を確立している。
• イジング模型のネットワークパラメータ（閾値τと相互作用強度ω）は、MIRTにおける識別力および難易度パラメータに直接対応している。
• MIRTにおける潜在特性ベクトルΘの事後分布は多変量正規分布であり、項目ごとに条件付き独立である。その平均は重み付き項目反応の和に比例する。
• LASSOやエラスティックネットの罰則を用いたノード単位の回帰により、イジング模型の推定が可能となり、高次元データからのスパースなネットワーク回復が可能になる。
• 同等性は、従来のモデルにおける潜在変数が未観測の原因ではなく、相互依存する観測可能な変数の系から生じる性質であることを示唆している。
• 潜在変数をネットワークレベルの現象として再解釈することは、古典的心理測定の仮定に挑戦し、心理的構造を動的で相互作用的なシステムとしてモデル化する新たな道を開く。