構造方程式モデリングと独立成分分析の統合、そして社会科学への応用

结构方程建模和独立成分分析的集成及其在社会科学中的应用

基本信息

批准号：
04J07933
负责人：
清水昌平
金额：
$ 1.22万
依托单位：
Osaka University
依托单位国家：
日本
项目类别：
Grant-in-Aid for JSPS Fellows
财政年份：
2004
资助国家：
日本
起止时间：
2004 至 2005
项目状态：
已结题

项目摘要

情報工学の分野で生まれた手法である独立成分分析(ICA)は、情報理論のフレームワークにおいて観測変数の非正規性を積極的に利用し非正規独立な潜在変数を同定する。一方、因子分析やパス解析など多くの多変量解析手法を含む構造方程式モデリング(SEM)は、今や社会科学の分野でスタンダードな方法論となった。事前情報をモデルに積極的に取り込み、そしてそのモデルがデータに適合するかを統計的に評価するという検証的アプローチが、実際に観測することのできない構成概念(潜在変数)の検討に威力を発揮したのである。このように今、有力な統計解析手法となったSEMであるが、そのSEMでも扱えないモデルが当然残されている。その限界の主な理由は、SEMが1次・2次統計量しか(通常は)用いないところにある。そこで、この博士論文では、ICAのアイデアである非正規性(例えば、高次モーメント構造)の積極利用によって、従来の潜在変数モデリングの方法であるSEMを拡張する。この拡張によって、従来法では識別可能でなかったモデルが識別可能になったり、飽和モデルや同値モデルの問題が解消されたりする。本年度は、この新しいモデリング「線形非正規非巡回モデル(LiNGAM)」について、識別性や、推定方法などについて議論した。モデリングの有用性を説明するための例として、観察研究における因果推論を取り上げた。また、非正規性を用いると、パスの向きの異なる2つの単回帰モデルを適合度の観点から区別することができることを示した。さらに正規性を利用する未観測交絡変数の検出法を提案し、無相関と独立性を区別することの重要性を指摘した。そしてこれらの方法を、多変数に拡張した。変数間の因果関係が線形非正規非巡回モデルで表されていれば、その関係をすべて同定することができることを示した。これらの結果は、雑誌論文、国際会議議事録として出版済あるいは予定である。

独立组件分析（ICA）是一种在信息工程领域中出生的方法，它积极利用信息理论框架中观察到的变量的非正态性来识别非正态的独立潜在变量。另一方面，结构方程建模（SEM）包括许多多元分析方法，例如因子分析和路径分析，现在已成为社会科学领域的标准方法。验证方法将先验信息积极地纳入模型并统计评估该模型是否适合数据，可有效检查无法实际观察到的结构（潜在变量）。因此，SEM现在已成为一种强大的统计分析方法，但是当然，仍然有一些模型在SEM中无法使用。该限制的主要原因是SEM仅使用（通常）主要和次要统计。因此，本博士学位论文通过主动使用ICA的非正常概念（例如，高阶矩结构）来扩展对潜在变量建模的常规方法。该扩展使得无法通过常规方法识别的模型被识别，并消除了饱和模型和等效模型的问题。今年，我们讨论了这种新建模的“线性非正常无环模型（lingam）”的独特性和估计方法。我们在观察研究中以因果推论为例，以说明建模的实用性。还已经表明，使用非正常性允许两个具有不同路径取向的单个回归模型与拟合优度区分开。此外，我们提出了一种检测利用正态性的未观察到的混杂变量的方法，指出了区分不相关和独立性的重要性。然后将这些方法扩展到多个变量。结果表明，如果变量在线性非正常环模型中表示，则可以识别它们之间的所有因果关系。这些结果已发表或计划作为期刊论文和国际会议记录出版。