[논문 리뷰] Estimating Psychological Networks and their Stability: a Tutorial Paper

Sacha Epskamp, Denny Borsboom외 1명|arXiv (Cornell University)|2016. 04. 28.

Mental Health Research Topics인용 수 39

한 줄 요약

이 튜토리얼 논문은 R을 사용하여 정신병리학적 자료를 중심으로 심리적 네트워크의 안정성을 추정하고 평가하기 위한 실용적인 프레임워크를 소개한다. 부트스트래핑 샘플링을 활용하여 간 무게의 신뢰구간을 추정하고 중심성 지표의 안정성을 평가하기 위해 bootnet 패키지를 제시함으로써 연구자들이 네트워크 모델에서 더 신뢰할 수 있는 인과적 추론을 내릴 수 있도록 한다.

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.

연구 동기 및 목표

• 표본 오차와 추정 방법의 민감성과 관련된 네트워크의 불안정성 문제를 해결하기 위해.
• 모든 통계 수준의 연구자들이 사용할 수 있는, 추정 및 해석이 가능한 완전한 독립형 튜토리얼을 제공하기 위해.
• 부트스트래핑 샘플링을 활용하여 네트워크 모델에서 간 무게와 중심성 지표의 안정성을 평가하는 방법을 설명하기 위해.
• 심리적 네트워크 분석에서 안정성 평가를 위한 무료로 이용 가능한 R 패키지인 bootnet을 소개하고 예시를 제시하기 위해.
• 안정성 진단을 통해 연구자들이 네트워크 구조에 대해 더 확신 있는 실질적 해석을 내릴 수 있도록 하기 위해.

제안 방법

• 네트워크 파ameter의 안정성 평가를 위해 비모수적 부트스트래핑 샘플링을 수행하기 위해 R 패키지 bootnet을 활용한다.
• 노드와 참가자의 부분집합을 활용하여 다양한 네트워크 구성에서 중심성 지표의 안정성을 평가한다.
• 백분위수 기반 부트스트래핑 방법을 사용하여 간 무게 주위의 신뢰구간 추정을 적용한다.
• 심리학적 자료에 적합한 가우시안 그래픽 모델과 이징 모델 등의 네트워크 추정 기법을 R 환경 내에서 통합한다.
• 재현 가능성을 확보하기 위해 네트워크 추정, 안정성 평가, 시각화를 위한 R 구문 예제를 제공한다.
• 실제로 359명의 외상 후 스트레스 장애 환자를 포함한 데이터셋을 활용하여 워크플로우를 실습적으로 설명한다.

실험 결과

연구 질문

• RQ1 임상 및 성격 연구에서 심리적 네트워크는 어떻게 신뢰성 있게 추정하고 해석할 수 있는가?
• RQ2 간 무게와 같은 네트워크 파ameter는 표본 변동성에 얼마나 민감한가?
• RQ3 노드와 개인의 다양한 부분집합에서 중심성 지표는 얼마나 안정적인가?
• RQ4 네트워크 구조와 그 파생 측정치의 불확실성을 정량화하기 위해 어떤 방법을 사용할 수 있는가?
• RQ5 연구자들은 어떤 방법으로 부트스트래핑 기법을 활용하여 네트워크 모델의 탄력성을 평가할 수 있는가?

주요 결과

• bootnet 패키지는 간 무게의 신뢰구간 추정을 성공적으로 가능하게 하여 네트워크 연결의 불확실성 정도를 측정할 수 있도록 한다.
• 노드와 참가자에 대한 부분집합 분석은 중심성 지표가 표본 크기가 작거나 네트워크가 희박한 경우 불안정할 수 있음을 드러낸다.
• 기반 부트스트래핑 안정성 평가 결과 일부 간 무게는 높은 변동성을 보이며, 이는 개별 연결이 안정적이라고 해석하는 데 주의가 필요함을 시사한다.
• 이 튜토리얼은 부트스트래핑을 활용하여 네트워크 안정성을 체계적으로 평가할 수 있음을 보여주며, 네트워크 기반 추론의 신뢰도를 향상시킨다.
• 359명의 PTSD 환자로 구성된 실제 데이터셋에 대한 적용은 제안된 안정성 평가 프레임워크의 실용성과 유용성을 입증한다.
• 이 방법은 연구자들이 어떤 네트워크 파ameter가 탄탄한지, 어떤 것은 표본 오차의 산물일 수 있는지를 식별하는 데 도움을 준다.