[논문 리뷰] piecewiseSEM: Piecewise structural equation modeling in R for ecology, evolution, and systematics

Jonathan S. Lefcheck|arXiv (Cornell University)|2015. 09. 06.

Ecology and Vegetation Dynamics Studies참고 문헌 20인용 수 39

한 줄 요약

이 논문은 생태학, 진화 및 체계학 분야에서 조각형 구조 방정식 모델링( SEM)을 구현하는 오픈소스 R 패키지인 piecewiseSEM을 소개한다. 이 패키지는 일반선형, 최소제곱 및 혼합효과 모델을 지원하는 기본 R 문법을 확장하여, 계층적이고 비정규 분포 데이터를 포함한 다양한 데이터 유형에 대해 융통성 있고 사용자 友好的한 SEM을 가능하게 한다. 또한 계통적 독립 대비(phylogenetically independent contrasts)도 지원한다.

ABSTRACT

Ecologists and evolutionary biologists are relying on an increasingly sophisticated set of statistical tools to describe complex natural systems. One such tool that has gained increasing traction in the life sciences is structural equation modeling (SEM), a variant of path analysis that resolves complex multivariate relationships among a suite of interrelated variables. SEM has historically relied on covariances among variables, rather than the values of the data points themselves. While this approach permits a wide variety of model forms, it limits the incorporation of detailed specifications. Here, I present a fully-documented, open-source R package piecewiseSEM that builds on the base R syntax for all current generalized linear, least-square, and mixed effects models. I also provide two worked examples: one involving a hierarchical dataset with non-normally distributed variables, and a second involving phylogenetically-independent contrasts. My goal is to provide a user-friendly and tractable implementation of SEM that also reflects the ecological and methodological processes generating data.

연구 동기 및 목표

• 생태학적 및 진화적 시스템에서 복잡한 다변량 관계를 모델링하기 위한 고급 통계 도구에 대한 증가하는 수요를 충족시키기 위해.
• 공분산에 의존하는 전통적 SEM의 한계를 극복하여, 특히 비정규 또는 계층적 데이터에 대해 모델 사양을 제한하는 문제를 해결하기 위해.
• 기존 R 모델링 프레임워크(lme4, nlme, glm 등)와 통합되는 사용자 친화적이고 오픈소스인 R 구현을 제공하기 위해.
• 진화적 관계와 혼합효과 구조를 포함한 현실적인 데이터 생성 과정을 고려한 생태학 및 진화 연구를 지원하기 위해.
• 생명과학 분야의 비통계학자들이 구조 방정식 모델링을 더 쉽게 접근하고 방법론적 투명성을 확보할 수 있도록 하기 위해.

제안 방법

• 모델의 각 경로를 별도로 표준 회귀 기법을 사용해 추정하는 조각형 접근법을 사용한다.
• 개별 구조 방정식를 적합하기 위해 기본 R 모델 문법(lmer, glmer, lm 등)을 활용하여 일반선형 및 혼합효과 모델과의 호환성을 확보한다.
• 모델 적합도 평가를 위해 AIC 기반 적합도 지표와 방향성 독립성 검정(d-sep)을 사용하는 유의성 검정 프레임워크를 적용한다.
• 기존 R 모델링 기능(일반선형 모델 및 혼합 모델 포함)을 활용하여 비정규 및 계층적 데이터를 처리한다.
• 계통적 독립 대비(PICs)를 특수 케이스로 통합하여, 종 간 진화적 관계를 고려한 SEM을 가능하게 한다.
• 모델 적합도 평가 및 다양한 모델 구조 간 비교를 위해 최대우도비검정과 AIC 기반 비교를 사용한다.

실험 결과

연구 질문

• RQ1 어떻게 하면 비정규, 계층적, 계통적으로 구조화된 생태학적 데이터를 다룰 수 있는 구조 방정식 모델링을 적응시킬 수 있는가?
• RQ2 조각형 SEM 접근법은 생태학자 및 진화생물학자들에게 접근성 향상을 위해 통계적 엄밀성을 유지할 수 있는가?
• RQ3 복잡한 생태학적 시스템에서 전통적 SEM과 비교할 때 조각형 접근법의 모델 적합도와 매개변수 추정 성능은 어떠한가?
• RQ4 다양한 생태학적 데이터셋에서 모델 잘못 설정을 탐지하는 데 d-sep 검정의 성능은 어떠한가?
• RQ5 연속형, 카운트형, 이진형 결과 변수를 포함한 혼합 유형의 변수를 가진 데이터셋에 어떻게 효과적으로 SEM을 적용할 수 있는가?

주요 결과

• piecewiseSEM 패키지는 표준 R 모델링 문법을 사용하여 다양한 생태학 및 진화 모델에 대해 융통성 있는 모델 사양이 가능한 SEM을 성공적으로 구현하였다.
• 기존 R 모델링 기능과의 통합을 통해 비정규 분포 및 계층적 데이터 구조(예: 중첩 또는 반복 측정)를 지원한다.
• 방향성 독립성(d-sep) 검정을 사용함으로써 복잡한 모델에서도 모델 적합도 평가 및 잘못 설정 탐지에 강력한 방법을 제공한다.
• 계통적 독립 대비(PICs)가 유효한 입력으로 처리되어, 진화적 관계를 고려한 비교 데이터에 대해 SEM을 적용할 수 있다.
• 응용 연구자들에게 더 접근 가능하고 확장 가능하며, 전통적 SEM과 유사한 통계적 검정력과 정확도를 유지한다.
• 두 가지 실증 예제를 통해 다수의 경로와 복잡한 의존성 구조를 가진 모델에 대해 계산 효율성이 뛰어나고 확장 가능한 것으로 입증되었다.