レベル：中級

構造方程式モデル（SEM）は、観測された変数と観測されていない潜在的な変数の間の関連性を研究できるフレームワークです。SEMの多くのアプリケーションは、クロスセクションデータを使用しており、このフレームワークは縦断的データのモデリングにも非常に柔軟性があります。

本発表では、経時的な成長の軌跡を特徴づけるための柔軟なツールとして、潜在成長曲線モデル（LGCM）について説明します。まず、SEMの基本的な概念を簡単に説明した後、成長の理論を検証するために平均値をどのように分析に組み込むかご紹介します。本研究では、新型コロナウイルスのパンデミック発生時に個人が報告した「不安」と「健康への不満」のデータにモデルを当てはめることで、LGCMを説明します。分析の結果、レジリエンスは、不安と不定愁訴の軌跡における独自の変化パターンを予測することがわかりました。

※このサイトでビデオを再生して画面右下の「CC」をクリックして「English」を選びますと英語の字幕が表示されます。

本発表の発表資料やデータのダウンロードや、日本語トランスクリプトと共に視聴されたい方は、こちらをクリックしてください。
Discovery Summit Americas 2021 Presentationの各発表のページに移動します。

（SAS Profileへのログインを求められますので予めご了承ください。）