スピーカー
|
成績証明書
|
| ニコラス・シェルトン |
録音が開始されました。ミュートにします。準備ができたら、開始してください。 |
| |
わかった。 |
| アニー・ワイスブロッド |
こんにちは、みんな。 私はアニー・ワイズブロッドです。 私は同僚の A Narayanan と Procter and Gamble の Mark Bailey と一緒にここにいます。私たちは発表するつもりです。 |
| |
JMP SEM プラットフォームを使用した瞑想プログラムの評価。 |
| |
ではまず、なぜ私たちがこの問題について話しているのかを説明することから始めたいと思います。 |
| |
だからP&Gの |
| |
特にCOVIDの期間中、私たちは人々の健康に本当に焦点を当ててきました. |
| |
パンデミックによる多くの理由で非常にストレスの多い時期ですが、社会不安の地域、物が利用できないサプライチェーンの変化、 |
| |
私たちの生活習慣、病気、他人の世話を変えること。 過去に私たちの生活がかなり大きく変わった方法はたくさんあります |
| |
20か月、2年かそこら。 そのため、P&G 従業員の健康と福利を守ることは、このような時期に一層優先されるようになりました。 |
| |
私たちが焦点を当ててきたのは、人々が仕事をしているときに、身体的および精神的に自分自身の世話をするのを助ける方法です。 |
| |
顧客にサービスを提供し、消費者にサービスを提供し、私たちが住んでいるコミュニティをサポートします。 私たちは、うまくいけば彼らの健康を助けるために、人々が幸福のさまざまな側面を教育し、実践できるようにする社内外のプログラムを用意しています. |
| |
そのため、パンデミックが発生したため、個人と部門の両方にサポートを提供する方法を変更する必要がありました. |
| |
社員一人ひとりの状況は異なりますが、 |
| |
会社での仕事の種類、住んでいる場所、健康や家族の世話に関連する個人的な設定などです。 |
| |
そして、私が数年間教えてきたことは、1つの物理的な場所で対面式のクラスを教えることです. 人々が部屋に現れ、私はストレス、回復力、瞑想についての情報を共有しました。 そして、私たちは皆、ライブ ストリーミングへの切り替えを余儀なくされています。 |
| |
そして、私の聴衆はグローバルになりました. 私たちの聴衆のかなりの数が異なるタイムゾーン、異なる言語を持っているからです. そして、このプレゼンテーションで現在行っているのと同じように、ライブ ストリーミング技術をいじってみましょう。 |
| |
これらの切り替えを行ったとき、これらのウェルビーイング プログラムはどれほど効果的かということに興味がありました。 コンテンツとグローバル ライブ ストリーミングのこの新しい形式は、幸福の精神的および感情的な健康領域にどのように影響しますか? |
| |
私は瞑想なしというコースを教えています |
| |
期待。 これは、8 週間のライブ ストリーミング グローバル コースです。 週に1回、45分間会っています。 |
| |
体験性が高いです。 簡単な紹介から始まり、そのクラスのほとんどの演習を行います。 |
| |
そして、参加者は、残りの週を通して、そのアプローチが何であれ、練習することが奨励されます. 目標は、人々が自分自身のマインドフルネスでより自給自足できるようになることです。 |
| |
注意力、集中力、回復力、 |
| |
共感、そしてストレスの軽減、これらのスキルをこの長い期間にわたって実践しています。 |
| |
プラクティスは、私たちの周りで何が起こっているのか、どのように感じているのか、何を考えているのか、 |
| |
ストレスに関連するさまざまな側面と、それを軽減する方法、それらの経験への異なるアプローチ、そして喜びを改善する方法. |
| |
私たちは、洞察、規律、そして思いやりに関連するいくつかの異なる実践を通じてこれを行います. 8つの異なる実践のうち、今ここにいることに関連するものがいくつかあります。 |
| |
その一例が五感瞑想です。 |
| |
見るだけ、聞くだけ、ただ |
| |
嗅ぐ、ただ味わう、 |
| |
ちょうど今ここに来た例として、肌にあるものを感じてください。 また、内省と感謝に関連する実践もあります。 |
| |
私たちはいつも気が散ってしまうので、気を散らすものに対処します。 心はただそのことをするだけであり、実践を数えると、マントラの実践はその例です. また、心に関する実践もあります。 |
| |
ですから、これらの非常に古い慣習、metta |
| |
そしてトンレンは何千年も前から、アジアの文化から生まれ、愛情深い優しさ、他人への気遣い、授受を実践しています。 |
| |
そして最後に、選択の余地のない意識のこの最後のもの。 |
| |
ただいるだけです。 |
| |
何もしない、ただ在るだけ。 禅の間で非常に人気 |
| |
たとえば実践者。 過去 1 年間で 1,000 人以上がこれらのコースにサインアップしました。 サインアップした人の約 50% が実際に 8 週間を完全に修了しており、いくつかの統計を共有します. |
| |
これらの製品が実際に提供するものを示します。 |
| |
調査します |
| |
コース前とコース後の参加者の態度と行動。 医療基準に基づいて、45 の異なる質問があります。 |
| |
アンケートは任意かつ匿名で、基本的にはこれら 4 つの標準的なアンケートを検討しています。 1つ目は5面のマインドフルネスアンケートです。 |
| |
私たちはまた、共感に関連する対人反応指数を使用するので、共感的な関心と視点、異なる視点を取ります。 |
| |
今日のデモンストレーションで焦点を当てるのは、悲しみの回復力の尺度と知覚されたストレスの尺度です。 |
| |
これは、人々がストレスについてどのように感じているか、自分が置かれている状況のストレスの強さなどに関連するさまざまなアンケートの中で最も広く使用されています。 |
| |
この瞑想コースのようなストレス軽減介入の効果。 したがって、標準的なステートメント、尋ねられる質問は、いかに予測不可能であるかを利用しています |
| |
その人は自分の状況を感じていますか、それは制御可能かどうか、過負荷を感じているかどうか、そして無力感のレベルはどのくらいかを感じています。 |
| |
この状況について彼らができることは何もありません。 |
| |
または、自己効力感、物事が変化するとどの程度自信を持っているか、ストレスを管理できるかなどです。 そのため、その状況での過負荷感と制御不能感に関連するサブスケールのうちの 2 つに焦点を当てます。 |
| |
デモンストレーションだけでなく、これらのコースでも、意図的にストレスに焦点を当てています。これは、今日の世界で最もリスクの高いライフスタイル要因の 1 つであるためです。 |
| |
多くの組織は、さまざまな報告が世界中で出されていることに対応するために、統合された幸福プログラムを開発しています。 世界保健機関は、過去 10 年以上にわたり、慢性的または未解決のストレスがライフスタイルの最大のリスク要因であることを特定してきました。 |
| |
肥満と身体活動の欠如は、世界中の身体的および精神的な慢性疾患の原因となっています。 |
| |
そう |
| |
結果を簡単にまとめた良いニュースは、この 8 週間の期間で顕著な増加が見られることです。 |
| |
入ってくるデータを最初に見たとき、ここで見られることの単純な意味だけですが、マインドフルネス全体で顕著な増加が見られます。 |
| |
共感、回復力、そして人々がストレスを感じる方法の明らかな減少. それは素晴らしいことであり、私たちはこれについてより深い調査を行うことに興味があったので、統計のパートナーに連絡を取りました。 |
| |
事前と事後の対になった回答からの調査結果の一部。 そこで、彼が引き継いで、調査から得た回答を基に彼が取り組んでいることについて、この JMP 機能の一部を紹介します。 |
| アン |
ありがとう、アニー。 |
| |
皆さん、私の画面を見ていますか？ できません。 |
| |
ちょっと時間がかかる必要がありますが、わかりません。ここではうまくいきません。 |
| |
ありがとう、アニー。 皆さんこんにちは。 私の名前はナラヤナンです。 |
| |
私は、P&G の高度な消費者モデリングおよび統計部門に所属しています。 今日やりたいことは、データの分析の詳細を共有することです |
| |
アニーが説明したプログラムから来ました。 私のアジェンダは 3 つのトピックで構成されます。 因子モデルの最適化についてお話しし、次にその確認因子分析についてお話します。 |
| |
最適化因子モデル。 最後に、縦方向の測定不変性について説明します。 これは、潜在的な手段のコースの経時的な変化を測定したいため重要です。 それでは、最初のトピックに飛び込みましょう。 |
| |
因子モデルの最適化、なぜこれを行うのでしょうか? その理由は・・・私がこれをやりたい理由は2つあります。 最初にアニーが言及した 10 の質問 |
| |
測定に関心のある 2 つの構成要素に対して実際には最適化されていません。 |
| |
また、サンプルサイズが小さいため、事前および事後からの質問が多すぎないようにしたいと考えています。 |
| |
これらが、因子モデルの最適化を行っている 2 つの理由です。 そのために、古典的なテスト理論から 2 つのアイデアを引き出します。 |
| |
1つは信頼性です。 信頼性は、実際には測定の一貫性に関係しています。 構造内のアイテムが同じものを測定していることを確認したいと考えています。 そして、信頼性にはさまざまな尺度があります。 ここで使用するのは、 |
| |
信頼係数、または Cronbach のアルファ。 そこに式が見えます。 私がこれを使用している理由の 1 つは、JMP の多変量プラットフォームでオプション項目の信頼性を使用して使用できるためです。 |
| |
今一つ |
| |
この尺度の欠点は、すべての変数または項目が同等に信頼できると仮定していることです。 |
| |
また、一部のアイテムは他のアイテムと同じ信頼性を持たないことがわかっています。その場合、平均分散抽出器を使用できます。 |
| |
今それは何ですか？ それを説明するために、ここで確認因子モデルのパス図を実際に使用します。 ここで説明したい 3 つのコンポーネントがあります。 |
| |
一番上にある、実際に円で囲まれているのが潜在変数です。 |
| |
それから一番下の四角で囲まれているのがインジケーターです。この例では、この潜在変数を利用する大きな問題である 4 つのインジケーターがあります。 |
| |
次に、4 つの Lambda 変数があり、実際には各インジケーターの強さを与える因子負荷です。 |
| |
コンストラクトにアクセスします。 したがって、抽出された平均分散はラムダの関数であり、 |
| |
下部にあるエラーの分散。 一番下がデルタです。 ここにエラーがあります |
| |
コンポーネント。簡単にするために、それらを測定誤差と見なし、それらの誤差の分散も、抽出された平均評価の計算に含まれます。 |
| |
数式を見ると、一番下に誤差分散がない場合、最大値は 1 になり、それが私たちが望むものです。 |
| |
そう |
| |
信頼性の測定にも役立つもう 1 つの項目は、項目の信頼性です。実際には、潜在変数に関する指標のこれらの各回帰の個々の R 2 乗に他なりません。 そして、それはJMPに入ったときにわかります。 |
| |
重要な古典的テスト理論の 2 番目の概念は有効性です。 妥当性は、変数が測定すべきものを測定するかどうかに関係しています。 繰り返しますが、ここにはさまざまな種類があります |
| |
有効性のバージョン。 私が焦点を当てようとしているのは、識別妥当性です。これは、測定している構成要素が一意であるかどうかに関係しています。 |
| |
さて、これらの 2 つの概念を使用して、実際に JMP に取り掛かり、行ったモデリングの詳細をいくつか示します。 10の質問の探索的因子分析から始めます |
| |
ストレスドメインに関係しています。 今、私のすべての分析において、私はしようとしています |
| |
分析結果を表示します。 ポイント・アンド・クリックでこの手順を順を追って説明するつもりはありません。時間がかかることと、JMP で十分に文書化されているためです。 |
| |
私たちが |
| |
オーバーロードされたコンポーネント、および 3 つのアイテムを含む小さい方は、制御不能と呼んでいます。 これは探索的因子分析であり、2 つの因子をサポートしているようです。 |
| |
そして、それが実際に私たちのデータで真実であることを確認したいのですが、データはそれを裏付けます. そこで、同じ 10 の質問の確認要因分析を開始します。 |
| |
また、過負荷コンポーネントは 7 つのインジケーターに接続され、制御不能コンポーネントは 3 つのインジケーターに接続されていることがわかります。 |
| |
このデータがどの程度うまく適合しているか、このモデルがどの程度データに適合しているかを調べたいと思います。 カイ 2 乗を見ると... カイ 2 乗は 34 自由度で 44 であり、有意ではないため、このモデルはデータによってサポートされています。 |
| |
そして、私たちが一番下で見たいのは、私が言及した構成妥当性マトリックスです。 |
| |
この行列の対角は、抽出された平均分散を示します。 また、制御不可能な要因の分散はかなり高く、過負荷要因の分散は実際には低いことがわかります。 |
| |
直交要素は、各因子が他の因子と共有する分散の量を示します。 オーバーロードされた因子については、この分散 |
| |
対角線で示されているように、実際には、制御不能な因子のシェアは、それ自体の指標をシェアする分散よりも高くなっています。 そして、これは私たちが望む最適化された因子構造ではありません。 |
| |
また、行って見れば、 |
| |
推定値を含むパス図を使用すると、実際に次のことがわかります |
| |
個々のアイテムの信頼性は、ここに示されています |
| |
ここに長方形。 そして、あなたは見ることができます |
| |
オーバーロードされた因子コンポーネントに接続されている 7 つの指標は、.277 から .551 の範囲で、さまざまなアイテムの信頼性を持っています。 |
| |
そして、いくつかを選択したいと思います |
| |
信頼性が高い。 |
| |
アイテムの信頼性の概念を使用します |
| |
実際、因子を最適化するために妥当性を判別します。 |
| |
そして、私は戻って見るつもりです |
| |
これらすべての指標を表にまとめました。 |
| |
この表には、これら 2 つの列に Cronbach のアルファがあり、アイテムが削除されたときの Cronbach のアルファの変化も含まれています。 |
| |
コンポジット全体の Cronbach のアルファから、また最後の列にアイテムの信頼性があります。 したがって、この数値の行列を見て因子を最適化する 1 つの方法は、信頼性の高い項目 (おそらく上位 3 つ) を選択することです。 |
| |
さて、この特定の状況では、私も使用するのが好きです |
| |
の |
| |
アイテムが削除されたときの Cronbach のアルファ。 そして、3番目の項目を見ると、 |
| |
その項目が 3 番目に高いにもかかわらず、 |
| |
アイテムの信頼性、この列を見ると、私はそれをアルファ デルタと呼んでいます。 |
| |
これは、アイテムが削除されたときのコンポジット全体からの信頼性の変化です。 実は3番目の項目に大きな変更があり、そのためこの項目を選択せず、実際にはそのすぐ下の項目を選択しました。 |
| |
最適化された因子の解については、最初の因子と 5 番目の項目から上位 2 つの項目を選択します。次に、制御不能な第 2 の因子については、上位 2 つの項目を選択します。なぜなら、3 番目の項目はアイテムの信頼度が非常に低い。 |
| |
だから、 |
| |
要因解を 10 問から 5 問に最適化し、 |
| |
最適化された因子解を確認し、今説明したすべてのメトリックに関してどのように実行しているかを確認します. |
| |
これが最適化された因子解です。次数因子には 3 つの指標、制御不能因子、2 つの指標があり、モデルはデータによりよく適合します。2 のカイ 2 乗、自由度 4 で、カイ 2 乗の値は棄却されません。 |
| |
それから私たちは降ります |
| |
そして判別妥当性を見てください。 最適化された因子の解を使用すると、過負荷の分散が実際に増加したことがわかります |
| |
そして、それが制御不能と共有する分散は減少しました。 したがって、直交値は対角線上の値よりも小さく、これはまさに私たちがサポートしたいものです |
| |
妥当性を判別します。 したがって、ソリューションを最適化することで、判別妥当性を達成し、元の 10 の質問で得たものよりも優れたモデルも取得しました。 |
| |
よし、因数分解を最適化した。 |
| |
次のステップは、測定モデルの不変性を行うことです。 |
| |
自分がどこにいるかを思い出しましょう。 多くの異なる表と分析を見てきました。 我々は持っています |
| |
共感、ストレス、回復力、マインドフルネス。 |
| |
そして、ストレスだけに集中します。 ここで答えたい主な質問は、潜在変数の平均スコアに改善があるかどうかです。 |
| |
8 週間のプログラム中に事前に投稿しますか? |
| |
それを立証するためには、まず経度測定不変性を示さなければなりません。 |
| |
今それは何ですか？ 実際、私は最近このことを知りました。JMP 開発者の Laura Schilo と Paul Russo によって書かれた優れた論文をここにプラグインさせてください。 |
| |
Structural Equation Modeling の最新号では、縦方向の測定不変性など、JMP のさまざまな機能について詳しく説明しています。 |
| |
長期測定不変性の考え方は、潜在変数の意味が時間の経過とともに変化していないことを確認することです。 |
| |
潜在変数の平均変化を計算する前に、最初と最後で同じものを測定していることを確認する必要があります。 それを確立するために、4つのステップがあります。 |
| |
これらは実際には 4 つの異なるモデルです。 1 つ目は、因子数と負荷パターンが同じで、制約が最も少ない構成モデルです。 |
| |
2 つ目は弱い不変性モデルで、さらにいくつかの制限を追加します。 ネジをもう少し締めて質問します。このモデルはまだサポートされていますか? |
| |
そして、ネジをもう少し締めて、これに加えて、アイテムのインターセプトの品質を課したらどうなるでしょうか? そして最後に、 |
| |
ネジの最後のねじ山、項目の差異を追加して、それらの品質を 2 つの時点にまたがるとどうなるでしょうか? |
| |
そのため、これを段階的に行う方法の詳細は、先ほど言及したその記事に含まれています。 ここでは結果のみを示します。 |
| |
おっとっと。 |
| |
だからこれで |
| |
パス図、私が示している |
| |
調査前の段階と調査後の段階の両方で、過負荷と制御不能の 2 つの要因。 したがって、過負荷のプリ、制御不能なプリ、および同じことがポストにあります。 |
| |
過負荷は 3 つの項目で説明され、制御不能は 2 つの項目で説明されます。 今ここの文字は違う |
| |
モデルに課せられた制約。 たとえば、C3 |
| |
オーバーロードからプレの「緊張・ストレスを感じる」アイテムまで |
| |
ポスト内の同じアイテムと等しくなるように制約されています。 これは、制約がサポートされていることを確認するためにモデルに適用している制約の一部です。 |
| |
したがって、文字はモデルに課せられたさまざまな制約を示し、これらの推定値は等しくなります。 同様に、 |
| |
同等のアイテムの切片も等しくなります。 |
| |
によって示されます |
| |
A. |
