独立成分分析と構造方程式モデリングの統合:新しい多変量解析のフレームワーク

集成独立成分分析和结构方程建模：一种新的多元分析框架

基本信息

批准号：
06J01610
负责人：
清水昌平
金额：
$ 2.18万
依托单位：
Osaka University (2008)The Institute of Statistical Mathematics (2006-2007)
依托单位国家：
日本
项目类别：
Grant-in-Aid for JSPS Fellows
财政年份：
2006
资助国家：
日本
起止时间：
2006 至 2008
项目状态：
已结题

项目摘要

初年度、観察研究に基づく因果分析においてよく用いられる線形逐次モデルが、データの非正規性を利用することによって一意に識別されることを示した。これは、陰に陽に正規分布の仮定に基づく従来法では不可能なことであった。次年度は、この結果を拡張し、より多様な(因果)モデルの探索が可能になるように試みた:(a)異質な母集団の混合への対処、(b)未観測交絡変数への対処、(c)潜在変数間の線形逐次モデルの探索である。(c)は、本研究課題の重要な目標であったが、雑誌論文が本年度採択された。これらの成果をまとめて、計量心理学の分野における最大の国際会議であるIMPS2008で招待講演を行った。本年度は,これらの結果を基礎にして、もう1つの目標である線形逐次モデルの新しい推定法の開発に取り組んだ。従来法が、独立成分分析という別の推定法を援用していたのに対し、新しい分析法は線形逐次モデルを直接に推定することが大きな特徴である。人工データによる実験では、従来法と比較して、誤りを50%減らせる場合もあった。また、ブートストラップ法による探索結果の統計的信頼性評価の共同研究も行い、最後の目標であるモデルの妥当性検証に大いに役立つ可能性が示唆された。これらについては、現在、論文を投稿中あるいは作成中である。さらに、これらの分析法を、社会学・心理学,ニューロインフォマティクス,バイオインフォマティクスの実データに適用することも進めた。

第一年，我们证明了线性序贯模型（通常用于基于观察研究的因果分析）可以通过利用数据的非正态性来唯一识别。这对于基于隐式和显式正态分布假设的传统方法来说是不可能的。第二年，我们尝试扩展这一结果，以探索更多样化的（因果）模型：（a）处理异质群体混合物，（b）纳入未观察到的混杂变量，（c）搜索线性序列模型。之间的潜在变量。 (c)是该研究项目的一个重要目标，今年有一篇期刊文章被接受。总结这些结果，我在心理测量学领域最大的国际会议 IMPS2008 上做了邀请演讲。今年，基于这些结果，我们致力于另一个目标：开发一种新的线性序列模型估计方法。传统方法使用另一种称为独立成分分析的估计方法，而新分析方法的特点是直接估计线性时序模型。在使用人工数据的实验中，与传统方法相比，可以减少 50% 的误差。我们还利用bootstrap方法对搜索结果的统计可靠性评估进行了联合研究，这表明它可能对验证模型的有效性有很大帮助，这也是最终的目标。目前正在提交或准备有关这些主题的论文。此外，我们将这些分析方法应用于社会学/心理学、神经信息学和生物信息学的实际数据。