心理ネットワークアプローチ入門 - 行動科学者と社会科学者のためのガイド

著者名：アデラ＝マリア・イスヴォラヌ/サシャ・エプスカンプ/デニー・ボースブーム/樫原潤/小杉考司

勁草書房（2024/09発売）

• ISBN：9784326251759

内容説明

臨床領域で誕生した心理ネットワークアプローチは、心理学全体を大きく刺激している。本書では、心理ネットワークアプローチの理論と方法論を、Rコードの実例や数式も交えてゼロから学ぶことができる。質問紙調査などで得た横断データの分析から、時系列データ分析などの発展的分析に至るまで、革新的な応用研究への扉を開く一冊。

目次

日本語版刊行によせて
基本的な用語の解説と本書の活用法
序文

第I部　Rではじめるネットワーク科学

第1章　ネットワークというものの見方
1.1　はじめに
1.2　ネットワークアプローチ
1.3　ネットワークモデル
1.4　ネットワーク理論
1.5　ネットワークアプローチ，モデル，理論の関係性
1.6　本章のまとめ
1.7　練習問題

第2章　Rの導入
2.1　はじめに
2.2　R環境
2.3　Rプログラミングの基礎
2.4　Rの基本的なデータ構造
2.5　関数とパッケージ
2.6　より高度なオブジェクト構造
2.7　Rにおけるデータの操作
2.8　本章のまとめ
2.9　練習問題

第3章　ネットワーク構造についての記述的分析
3.1　はじめに
3.2　複雑系とネットワーク科学
3.3　ネットワーク科学からネットワーク心理統計学へ
3.4　ネットワークの構築
3.5　ネットワークの分析
3.6　「ロード・オブ・ザ・リング」の具体例
3.7　本章のまとめ
3.8　練習問題

第4章　qgraphによるネットワークの構築と描画
4.1　はじめに
4.2　qgraphの機能性
4.3　qgraphの解釈
4.4　qgraphで作成したネットワークの保存
4.5　qgraphによるネットワークの記述的分析
4.6　本章のまとめ
4.7　練習問題

第5章　関連性と条件付き独立性
5.1　はじめに
5.2　独立性と従属性
5.3　条件付き独立性
5.4　統計的従属性についての検定
5.5　条件付き従属性が生じる原因
5.6　本章のまとめ
5.7　練習問題

第II部　無向ネットワークモデルの推定

第6章　ペアワイズ・マルコフ確率場
6.1　はじめに
6.2　ペアワイズ・マルコフ確率場
6.3　ペアワイズ・マルコフ確率場の解釈
6.4　飽和ネットワークモデルの推定
6.5　本章のまとめ
6.6　練習問題

第7章　モデル選択によるネットワーク構造の推定
7.1　はじめに
7.2　多変量統計モデル間の比較
7.3　閾値処理と枝刈り
7.4　モデル探索
7.5　正則化
7.6　応用研究者に向けた推奨事項
7.7　練習問題

第8章　ネットワークの安定性，ネットワーク間比較，再現可能性
8.1　はじめに
8.2　単一サンプルにおける安定性と正確性
8.3　複数サンプルの分析と比較
8.4　本章のまとめ
8.5　練習問題

第III部　縦断データに対するネットワークモデル

第9章　縦断デザインにおけるさまざまな選択肢――「データ」と「分析」をいかに関連づけるか
9.1　はじめに
9.2　データのさまざまなデザイン
9.3　分析のさまざまなデザイン
9.4　「データ」と「分析」の違い
9.5　同時性効果と経時的効果の分割
9.6　本章のまとめ
9.7　練習問題

第10章　時系列データやパネルデータからのネットワーク推定
10.1　はじめに
10.2　グラフィカル・ベクトル自己回帰
10.3　N = 1のデータに基づく推定――個人別のネットワークモデル
10.4　N >1のデータに基づく推定――マルチレベル推定
10.5　GVAR推定にまつわる様々な困難
10.6　本章のまとめ
10.7　練習問題

第11章　ネットワークにおける変化のモデリング
11.1　はじめに
11.2　時変ネットワークモデル
11.3　時変ネットワークモデルの推定
11.4　気分を測定した時系列データからの時変GGMの推定
11.5　本章のまとめ
11.6　練習問題

第IV部　理論と因果性

第12章　因果推論
12.1　はじめに
12.2　因果的関連を表現するための言語
12.3　統計的関連と因果的関連
12.4　構造的因果モデル
12.5　本章のまとめ
ほか

感想・レビュー

※以下の感想・レビューは、株式会社ドワンゴの提供する「読書メーター」によるものです。

[Go Extreme]

Rではじめるネットワーク科学： ネットワークというものの見方 Rの導入 R環境 ネットワーク構造・記述的分析 複雑系とネットワーク科学 無向ネットワークモデルの推定 ペアワイズ・マルコフ確率場 モデル選択によるネットワーク構造の推定 ネットワークの安定性，ネットワーク間比較 縦断データに対するネットワークモデル： 縦断デザインにおけるさまざまな選択肢 時系列データやパネルデータからのネットワーク推定 ネットワークにおける変化のモデリング 理論と因果性： 因果推論 心理ダイナミクス・理想化されたモデリング

2024/09/17

[Atsumi_SAKURADA]

複雑な構造を複雑なままデータに語らせる、という解析手法の提案です。お馴染みの構造方程式モデリングでは様々な前提（知識）を動員してモデルを組んでから各パスの係数を読むのに対して、ここではモデルの構造の段階から推定を試みます。従来のいわゆるアンケートだけでなく、日々整備が進むビッグデータへこうした手法を適用することで、データ駆動的に探索的・仮説生成研究が発展するという期待が膨らみます。何よりも、視覚的な表現が重要な強みですね。

2024/10/30