Research on Description and Utilization of Meta-Information in Psychological data

心理数据元信息描述与利用研究

基本信息

批准号：
12610102
负责人：
OTSU Tatsuo
金额：
$ 1.6万
依托单位：
Hokkaido University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2000
资助国家：
日本
起止时间：
2000 至 2002
项目状态：
已结题

来源：
https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-12610102/
关键词：
graphical model DAG equivalent model causal inference Prolog metadata XML DDI グラフィカルモデル統計的同値性 DandD 統計ソフトウェア NESSTAR

项目摘要

The purpose of the research is to construct tools for assisting data-analysis activities in psychological study, especially usage of statistical models that represent complex relationship between variables.(a) We developed a program coded in Prolog to analyze Markov properties of directed acyclic graphs (DAG). The major research results are as follows. Two DAGs that specify the probability families of the same conditional independences are called "Markov equivalent". We succeeded to classify the statistically equivalent DAG families up to order six on small PC. Identifying causal influence of a variable to another is straight if all the related variables are observed. But in cases where some variables are unobserved, the inference is not trivial. Pearl (1995) gave probability transformation rules that deduce causal effect estimation formula. The rules contain complex inspections of Markov properties of the graph. Our software is able to deduce automatically the formula from the graph topology.(b) we surveyed the research trends in statistical metadata description. Our focus is on two XMLsed metadata formats. One is DDI (Data Documentation Initiative ) in ICPSR, which specifies an extensive format for survey codebook. Another is DandD project in Keio University by Prof. R. Shibata's research group. We used Prolog based XML parser successfully for flexible information retrieval from codebooks in XML formats.

本研究的目的是构建在心理学研究中辅助数据分析活动的工具，特别是使用表示变量之间复杂关系的统计模型。(a) 我们开发了一个用 Prolog 编写的程序来分析有向无环图的马尔可夫特性（有向无环图）。主要研究成果如下。指定相同条件独立性的概率族的两个 DAG 称为“马尔可夫等价”。我们成功地在小型 PC 上对统计上等效的 DAG 系列进行了最多六阶的分类。如果观察到所有相关变量，则可以直接识别一个变量对另一个变量的因果影响。但在某些变量未被观察到的情况下，推断就不是微不足道的了。 Pearl（1995）给出了推导出因果效应估计公式的概率变换规则。这些规则包含对图的马尔可夫属性的复杂检查。我们的软件能够自动从图拓扑中推导出公式。(b)我们调查了统计元数据描述的研究趋势。我们的重点是两种 XMLsed 元数据格式。其中之一是 ICPSR 中的 DDI（数据文档倡议），它指定了调查码本的广泛格式。另一个是庆应义塾大学R. Shibata教授研究小组的DandD项目。我们成功地使用基于 Prolog 的 XML 解析器从 XML 格式的码本中进行灵活的信息检索。