係留寸描法を用いた回答バイアス補正のための統計モデルの開発

使用系泊尺寸图开发响应偏差校正统计模型

• 批准号: 19K23382
• 负责人: 高岸 茉莉子
• 金额: $ 1.5万
• 依托单位: Okayama University (2022)Osaka University (2019-2021)
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Research Activity Start-up
• 财政年份: 2019
• 资助国家: 日本
• 起止时间: 2019-08-30 至 2026-03-31
• 项目状态: 未结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-19K23382/
• 关键词: 係留寸描法; 順序回帰モデル; リッカート尺度; 質問紙調査; 混合モデル; セミパラメトリック; 順序カテゴリカル; ノンパラメトリック; 国際比較調査

心理質問紙調査において，リッカート尺度のような「強く同意する」，「やや同意する」，....などのカテゴリから，回答者の主観に近いものを選択するような質問項目は頻繁に用いられる．しかしその各カテゴリを選択する傾向は回答者により異なる場合が多く（例:質問項目の内容に関係なく中央のカテゴリを選ぶ），これを回答者により異質な順序カテゴリの閾値を持つ状況と呼ぶ．この問題は特に国際比較調査で顕著である.このような異質性のある閾値を検知し，補正するための方法として係留寸描法がある.この係留寸描法で得られたデータに基づいて補正する既存の統計手法には，順位変換を元にしたアプ ローチ，順序回帰モデルを係留寸描法用に拡張した，CHOPITと呼ばれるパラメトリックアプローチなどがある.しかし順位変換はモデルへの仮定は少ないがタイデータに対し扱いづらい.一方パラメトリックアプローチであるCHOPITは広く用いられているが，閾値に共変量を使用しており，これだと閾値の観測されない異質性は表現できないと先行研究で指摘されていた.さらにCHOPITは不定性の問題があり，これを回避するにはモデルに対し強い仮定が必要とされ，結果的にモデルとして表現力に欠けることも指摘されていた.これらを受け本研究では，不定性の問題を回避しつつ，CHOPITより柔軟かつ効率的に閾値の異質性を表現できるような順序回帰に基づく係留寸描法の補正法を提案した．具体的には閾値を混合モデルにし，かつ不定性の問題を回避するために閾値にロジット変換を行った. 既存手法は不定性の問題があることから，既存手法と本提案手法との直接の精度比較が難しいが，本研究ではSoest et al., (2014)で用いられていたAndrew検定を用いて評価を試みている．

在心理问卷调查中，从诸如“完全同意”之类的类别中进行选择的问题经常使用与受访者的主观意见相似。但是，选择每个类别的趋势因受访者而异（例如，选择中心类别，无论问题项的内容如何），这称为一个情况，在这种情况下，受访者对有序类别的有序类别有阈值。在国际比较研究中，这个问题尤为突出。一种检测和纠正这种异质阈值的方法是系泊维度图。可以使用基于此系泊维度图获得的数据正确的现有统计方法，其中使用基于等级转换的应用程序。有一种称为曲线的参数方法，该方法扩展了序数回归模型以使用系泊维度图。但是，排名转换很小，但很难处理TIE数据。另一方面，尽管广泛使用了一种参数方法，但它使用协变量为阈值，在先前的研究中，它指出，这不能表达阈值的异质性。此外，Chopit还存在一个不确定的问题，为了避免这种情况，模型需要强有力的假设，因此，它并不表达为模型。针对这些问题，这项研究提出了一种基于纵坐标回归的系泊维度图的校正方法，这使得阈值的异质性比列表更灵活，更有效地表达，同时避免了不确定的问题。具体而言，阈值被用作混合模型，并将logit转换执行到阈值以避免不确定的问题。由于现有方法存在不确定性的问题，因此很难将现有方法的准确性与所提出的方法直接比较，但是在本研究中，我们尝试使用SOEST等人（2014）中使用的Andrew测试来评估该方法。

项目成果

Correcting and clustering preference data in the presence of response-style bias

在存在响应风格偏差的情况下纠正和聚类偏好数据

• 发表时间: 2021
• 作者: Bouchekioua Youcef;Blaisdell Aaron P.;Kosaki Yutaka;Tsutsui‐Kimura Iku;Craddock Paul;Mimura Masaru;Watanabe Shigeru;楊嘉楽・金子沙永・金沢創・山口真美・栗木一郎;高岸茉莉子
• 通讯作者: 高岸茉莉子

異質な閾値をもつ順序カテゴリカルデータのためのセミパラメトリック推定に基づく補正法

基于半参数估计的异质阈值有序分类数据校正方法

• 发表时间: 2020
• 作者: Nishida;Y.;Hattori;M.;& Orita;R.;高岸茉莉子
• 通讯作者: 高岸茉莉子

異質な閾値を考慮した順序カテゴリカル回帰モデルのセミパラメトリック推定法の提案

考虑异质阈值的序数分类回归模型半参数估计方法的提出

• 发表时间: 2020
• 作者: 高岸茉莉子

New nonparametric approach to correct response bias on ordinal categorical data using Anchoring vignette

使用锚定小插图纠正序数分类数据的响应偏差的新非参数方法

• 发表时间: 2019
• 作者: Sato Shun;Miyatake Yuto;Butcher John C.;高岸茉莉子
• 通讯作者: 高岸茉莉子

係留寸描法を用いた順序カテゴリカルデータにおける閾値の異質性のセミパラメトリックモデリング

使用系留维度对序数分类数据中的阈值异质性进行半参数建模

• 发表时间: 2021
• 作者: Ohmura Yu;Iwami Kentaro;Chowdhury Srikanta;Sasamori Hitomi;Sugiura Chiaki;Bouchekioua Youcef;Nishitani Naoya;Yamanaka Akihiro; Yoshioka Mitsuhiro;中西 陽・石川 信一;高岸茉莉子
• 通讯作者: 高岸茉莉子