Słownik metodologiczny · Psychometria

Sieć psychometryczna – objawy jako węzły i związki jako krawędzie

Sieć psychometryczna pokazuje, jak objawy albo pozycje skali łączą się ze sobą po kontroli pozostałych. Wyjaśniamy, jak ją oszacować, jak czytać krawędzie i jak opisać wynik.

Strona główna / Słownik / Sieć psychometryczna

Opracowanie merytoryczne: · Opublikowano:

W skrócie: Sieć psychometryczna przedstawia zmienne jako węzły, a ich związki warunkowe jako krawędzie. Najczęściej to regularyzowana sieć korelacji cząstkowych (graphical lasso z EBIC). Krawędzie nie mają kierunku przyczynowego, a najsłabsze z nich bywają fałszywe, więc dokładność sieci sprawdzaj bootstrapem.

Co to jest sieć psychometryczna?

Sieć psychometryczna (ang. psychometric network, network model) to model, w którym zmienne – najczęściej objawy albo pozycje kwestionariusza – są węzłami, a związki między nimi krawędziami. W ujęciu sieciowym zaburzenie nie jest skutkiem jednej zmiennej ukrytej, lecz wynika z oddziaływań między objawami, np. zamartwianie → bezsenność → zmęczenie (Borsboom i Cramer, 2013). Najczęściej szacuje się sieć korelacji cząstkowych: krawędź pokazuje związek dwóch węzłów po kontroli wszystkich pozostałych.

Jak szacuje się sieć

Przy kilkunastu węzłach korelacji cząstkowych jest dużo, a wiele z nich to szum. Dlatego stosuje się regularyzację graphical lasso (zob. LASSO), która zeruje słabe krawędzie, a siłę kary wybiera kryterium EBIC z parametrem γ (zwykle 0.5). Epskamp i Fried (2018) opisują tę procedurę krok po kroku, razem z problemami danych nienormalnych i liczebności próby. Dla pozycji Likerta podstawą bywa macierz korelacji polichorycznych.

Przykład

400 osób (dane symulowane) oceniło sześć objawów: smutek, anhedonię, bezsenność, zmęczenie, trudności z koncentracją i zamartwianie. Sieć EBICglasso (γ = 0.5) zachowała 9 z 15 możliwych krawędzi. Najsilniejsze łączyły smutek z anhedonią (.31), bezsenność ze zmęczeniem (.31), bezsenność z zamartwianiem (.30) oraz zmęczenie z koncentracją (.28). Smutek i zmęczenie korelowały zwykłą korelacją .14, ale po kontroli pozostałych objawów związek prawie znikał (korelacja cząstkowa .02, krawędź .01).

Jak opisać w pracy

Sieć sześciu objawów (N = 400) oszacowano jako regularyzowaną sieć korelacji cząstkowych (graphical lasso, EBIC, γ = 0.5; pakiet qgraph). Sieć zawierała 9 z 15 możliwych krawędzi. Najsilniejsze krawędzie łączyły smutek z anhedonią (.31), bezsenność ze zmęczeniem (.31) i bezsenność z zamartwianiem (.30).

Na co uważać

  • Krawędź to nie strzałka przyczynowa. Sieć z danych przekrojowych pokazuje związki warunkowe, a nie kierunek wpływu.
  • Najmniejsze krawędzie bywają fałszywe. W przykładzie trzy krawędzie o wagach .01–.07 nie istniały w modelu, z którego wygenerowano dane.
  • Sprawdź dokładność. Epskamp i in. (2018) pokazują, jak bootstrapem ocenić przedziały krawędzi i stabilność centralności.

Pełną analizę z rysunkiem sieci znajdziesz we wpisie Sieci psychometryczne krok po kroku.

Najczęstsze pytania

Co oznacza krawędź w sieci psychometrycznej?

Zwykle regularyzowaną korelację cząstkową: związek dwóch węzłów po kontroli wszystkich pozostałych. Brak krawędzi oznacza, że po tej kontroli związek został wyzerowany przez regularyzację.

Czym sieć psychometryczna różni się od analizy czynnikowej?

Analiza czynnikowa wyjaśnia korelacje pozycji wspólną zmienną ukrytą. Sieć opisuje bezpośrednie związki między pozycjami, bez zakładania czynnika, który je wywołuje.

Jak wybrać parametr gamma w EBICglasso?

Najczęściej przyjmuje się γ = 0.5, które daje oszczędniejszą sieć. Niższe wartości zostawiają więcej krawędzi kosztem większej liczby fałszywych. Wartość podaj w opisie metody.

Powiązane hasła

Centralność w sieciKorelacja cząstkowaRegresja grzbietowa i LASSOKorelacja polichorycznaZmienna ukryta (latentna)

Poradniki, w których użyjesz tego pojęcia

Poradnik

Sieci psychometryczne krok po kroku

Sieć objawów w R na danych do pobrania: korelacje polichoryczne, EBICglasso, centralność i siła mostowa, bootstrap, współczynnik CS i opis APA.

Czytaj →

Potrzebujesz wsparcia w analizie danych?

Wybierz ofertę dopasowaną do pracy dyplomowej albo profesjonalnego projektu naukowego.

Wyceń analizęOferta dla studentów

Bibliografia i dalsza literatura naukowa (APA 7)

  1. Borsboom, D., & Cramer, A. O. J. (2013). Network analysis: An integrative approach to the structure of psychopathology. Annual Review of Clinical Psychology, 9(1), 91–121. https://doi.org/10.1146/annurev-clinpsy-050212-185608
  2. Epskamp, S., & Fried, E. I. (2018). A tutorial on regularized partial correlation networks. Psychological Methods, 23(4), 617–634. https://doi.org/10.1037/met0000167 ● Otwarty dostęp: pełny tekst
  3. Epskamp, S., Borsboom, D., & Fried, E. I. (2018). Estimating psychological networks and their accuracy: A tutorial paper. Behavior Research Methods, 50(1), 195–212. https://doi.org/10.3758/s13428-017-0862-1 ● Otwarty dostęp

Cytowania BibTeX

@article{borsboom2013network, author={Borsboom, Denny and Cramer, Angélique O. J.}, title={{Network analysis: An integrative approach to the structure of psychopathology}}, journal={Annual Review of Clinical Psychology}, year={2013}, volume={9}, number={1}, pages={91--121}, doi={10.1146/annurev-clinpsy-050212-185608}}
@article{epskamp2018tutorial, author={Epskamp, Sacha and Fried, Eiko I.}, title={{A tutorial on regularized partial correlation networks}}, journal={Psychological Methods}, year={2018}, volume={23}, number={4}, pages={617--634}, doi={10.1037/met0000167}}
@article{epskamp2018estimating, author={Epskamp, Sacha and Borsboom, Denny and Fried, Eiko I.}, title={{Estimating psychological networks and their accuracy: A tutorial paper}}, journal={Behavior Research Methods}, year={2018}, volume={50}, number={1}, pages={195--212}, doi={10.3758/s13428-017-0862-1}}
R