756793_ja-JP

liliconcom

JMPのSEMプラットフォームを用いた瞑想プログラムの評価（2021-US-30MP-897）

プロクター・アンド・ギャンブル社の主任科学者、A・ナラヤナン氏
アニー・ワイズブロッド、プロクター・アンド・ギャンブル社 主席サステナビリティ科学者
マーク・ベイリー、人事専門家、プロクター・アンド・ギャンブル

新型コロナウイルス感染症の危機の間、P&Gの取り組みは、P&G従業員の安全、消費者と顧客へのサービス、そしてコミュニティーへの支援という3つの優先事項に導かれました。従業員の継続的な健康を確保するための取り組みの一環として、瞑想とストレス耐性を教えるライブオンラインクラスを提供しました。このプログラムは社内で開発され、世界中に提供されました。本稿では、回復力、共感、ストレス、マインドフルネスという4つの主要な次元と、その他のサブ次元を用いて、この新しい瞑想プログラムの影響を評価します。参加者の態度と行動の変化は、45の医学ベースの調査質問を用いて8週間にわたり調査されました。JMP 16のSEMプラットフォームを使用して、これらの構成概念の尺度特性と経時的変化を測定し、特に従業員の幸福と生産性という観点から、瞑想/マインドフルネスプログラムの成功を評価しました。これまでのところ、結果は有望です。

自動生成されたトランスクリプト...

スピーカー	トランスクリプト
ニコラス・シェルトン	録音が始まりました。私はミュートにしておきます。準備ができたら、始めてください。
	わかった。
アニー・ワイズブロッド	皆さん、こんにちは。アニー・ワイズブロッドです。同僚のA・ナラヤナンとプロクター・アンド・ギャンブルのマーク・ベイリーと一緒にプレゼンテーションをさせていただきます。
	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。
	それでまず、なぜ私たちがこのこと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。
	P&Gの
	特にCOVIDの期間中、私たちは優先事項として人々の健康に重点を置いてきました。
	パンデミックだけでなく、社会不安や、供給不足のサプライチェーンの変化など、多くの理由で非常にストレスの多い時期です。
	生活習慣の変化、病気、他人の世話など、私たちの生活はここ最近で大きく変化しました。
	20ヶ月、いや2年くらい。P&G従業員の健康と福祉を守ることは、この時期においてさらに重要な優先事項となっています。
	そこで私たちが注力しているのは、人々が仕事をしながら、身体的にも精神的にも自分自身をケアできるようにすることです。
	お客様、消費者の皆様にご奉仕し、そして私たちが暮らす地域社会を支えるために。社内外のプログラムを通して、健康増進のための様々な側面を教育し、実践する機会を提供し、皆様の健康増進に貢献したいと考えています。
	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。
	従業員はそれぞれ異なる状況を抱えており、
	それは、会社での仕事の種類、居住地、健康や家族の他のメンバーの世話に関連する個人的な設定などです。
	私がここ数年教えてきたのは、物理的な場所で対面授業を行うことです。人々が教室に集まり、ストレスやレジリエンス、瞑想に関する情報を共有していました。しかし、私たちは皆、ライブストリーミングに切り替えざるを得なくなりました。
	視聴者は世界中に広がり、多くの視聴者が様々なタイムゾーンや言語で活動しています。そして、このプレゼンテーションでまさに行っているように、ライブストリーミング技術も活用しています。
	こうした切り替えを進める中で、私たちは興味を抱きました。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なのでしょうか？コンテンツと、この新しいグローバルライブストリーミング形式は、ウェルビーイングにおける精神的・感情的健康の主要な領域にどのような影響を与えるのでしょうか？
	私は「瞑想なし」というコースを教えています
	期待しています。8週間のライブストリーミングのグローバルコースです。週に1回、45分間のミーティングを行います。
	非常に体験的な内容です。まず簡単な紹介から始まり、その後は授業のほとんどを実践で過ごします。
	そして参加者は、そのアプローチを残りの週を通して実践するよう促されます。目標は、参加者が自分自身のマインドフルネスをより自立的に実践できるようになることです。
	注意力、集中力、回復力、
	共感力やストレス軽減といったスキルを長期間にわたって練習することで、
	これらの実践は、私たちの周りで何が起こっているのか、私たちはどのように感じているのか、何を考えているのか、といったことに対する意識を高めるために選ばれています。
	ストレスに関連するさまざまな側面と、それをどのように軽減するか、ストレスの経験に対してさまざまなアプローチをとるか、そして喜びを高める方法。
	私たちは、洞察力、規律、そして慈悲心といった様々な実践を通してこれを行います。つまり、8つの実践の中には、ただ「今ここにいる」ということに関連するものもいくつかあるのです。
	その一例としては、五感瞑想があります。
	ただ見る、ただ聞く、ただ
	匂い、味、
	今ここにいるという例として、肌に触れるものを感じてみましょう。内省や感謝に関連した実践も行います。
	気が散る原因への対処。私たちは常に気が散ってしまうものです。心はただ動くだけなので、数え方やマントラの練習などがその例です。心に関する練習もあります。
	これらの非常に古い慣習、慈悲
	トンレンは何千年もの歴史があり、アジアの文化から生まれたもので、慈愛、他者への思いやり、与えることと受け取ることを実践するものです。
	そして最後に、選択の余地のない認識という最後のものです。
	ただ存在するだけ。
	何もせず、ただそこにいる。禅の教えの中でとても人気がある
	例えば、実践者の方々です。過去1年間で1,000人以上の方々がこのコースにご登録いただきました。登録者の約50%が8週間のコースを修了しており、その統計データをいくつかご紹介します。
	これらのサービスが実際に何を提供するのかを示します。
	調査
	コース前とコース後の参加者の態度と行動について調査します。医学的基準に基づいた45の質問を用意しています。
	調査は任意かつ匿名で行われ、基本的に以下の4つの標準的な質問票を用いています。最初の質問票は、5つの側面からマインドフルネスに関する質問票です。
	私たちは、共感、つまり共感的な関心や視点、異なる視点を取り入れることに関連する対人反応指数も使用します。
	今日のデモンストレーションでは、悲しみの回復力スケールと知覚されるストレススケールに焦点を当てます。
	これは、人々がストレスについてどう感じているか、置かれている状況のストレスの度合い、そして
	この瞑想コースのようなストレス軽減介入の効果について。つまり、標準的な発言や質問は、予測不可能な状況に陥る可能性を示唆しているのです。
	その人が自分の状況をどのように感じているか、その状況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、その人がどの程度の無力感を感じているのかを把握します。
	彼らにはその状況に対して何もできない。
	あるいは自己効力感、つまり状況は変化し、ストレスに対処できるという自信がどの程度あるかということです。そこで、私たちは、その状況における過負荷感とコントロール不能感に関連する2つのサブスケールに焦点を当てていきます。
	私たちは、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。なぜなら、ストレスは今日の世界で最も危険なライフスタイル要因の 1 つだからです。
	多くの組織が、各地で発表されている様々な報告に対応するため、統合的なウェルビーイングプログラムを開発しています。世界保健機関（WHO）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、生活習慣病の最大の危険因子であると特定しています。
	肥満と身体活動不足は、世界中で身体的および精神的な慢性疾患の最大の原因となっています。
	それで
	良いニュースとしては、結果を簡単にまとめると、この 8 週間の期間で顕著な増加が見られることです。
	最初に入ってきたデータを見たとき、ここで何が見えるかという単純な意味では、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、そしてストレスに対する人々の認識の明確な軽減。これは素晴らしいことです。私たちはこのことをさらに深く調査したいと考え、統計学のパートナーに連絡を取りました。その内容についてお話しします。
	事前と事後の回答をペアにしたアンケート結果の一部です。それでは、彼が担当し、アンケートから得た回答を使って取り組んでいるJMPの機能をいくつかご紹介します。
AN	ありがとう、アニー。
	皆さん私の画面が見えていますか？見えません。
	やあみんな、少し時間が必要なんだけど、ここは何もかもがうまくいってないんだ。
	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の高度消費者モデリング・統計部門に所属しています。本日は、P&Gが分析したデータの分析の詳細についてお話ししたいと思います。
	アニーが先ほど説明したプログラムから生まれました。それで、私の議題は3つのトピックから構成されます。因子モデルの最適化についてお話しし、次に検証的因子分析についてお話しします。
	最適化因子モデルについてです。最後に、縦断的測定不変性についてお話しします。これは、潜在的平均値の経時的変化を測定する上で重要です。それでは、最初のトピックに移りましょう。
	因子モデル最適化ですが、なぜこれをやるのでしょうか？理由は…私がこれをやりたい理由は2つあります。まず、アニーが挙げた10の質問です。
	私たちが測定したい 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、サンプル数が少ないため、事前および事後からあまり多くの質問が来ないようにしたいと考えています。
	これらが、因子モデル最適化を行う2つの理由です。そのために、私は古典的な検定理論の2つの考え方を活用します。
	一つは信頼性です。信頼性は実際には測定の一貫性に関係しています。私たちは、構成概念内の項目が同じものを測定していることを確認したいのです。信頼性の尺度は様々ですが、ここでは信頼性尺度を使用します。
	信頼性係数、またはクロンバックのαです。式はここにあります。私がこれを使用している理由の一つは、JMPの多変量プラットフォームで「項目信頼性」オプションを使って利用できるからです。
	今1つ
	この評価方法の欠点は、すべての変数または項目が同等に信頼できると想定していることです。
	また、一部の項目は他の項目と同じ信頼性を持たないことが分かっており、その場合には平均分散抽出ツールを使用できます。
	さて、それは一体何でしょうか？説明するために、確証因子モデルのパス図を実際に使ってみます。ここでは3つの構成要素について説明したいと思います。
	一番上にある円で囲まれているものが潜在変数です。
	そして、一番下の四角で囲まれたところにインジケーターがあります。この例では、この潜在変数を利用する重要な質問であるインジケーターが 4 つあります。
	そして、4つのラムダ変数があり、これは実際には各指標の強さを示す因子負荷量である。
	構造に触発される。したがって、抽出された平均分散はラムダと
	誤差の分散は下にあります。デルタは下にあります。誤差は次のとおりです。
	コンポーネントです。簡略化のため、これらを測定誤差とみなし、それらの誤差の分散も抽出された平均評価の計算に含めます。
	数式を見ると、下部に誤差分散がない場合、最大値は 1 になり、それが望ましい値になります。
	それで
	信頼性を測定する上で有用なもう一つの項目は項目信頼性です。これは実際には、指標と潜在変数の各回帰分析における決定係数（R2）に他なりません。JMPで詳しく説明します。
	古典的な検定理論における重要な2つ目の概念は妥当性です。妥当性は、変数が本来測定すべきものを測定しているかどうかに関係します。ここでも、様々な妥当性があります。
	妥当性には様々な種類があります。私が焦点を当てるのは弁別妥当性です。これは、測定対象となる構成概念が固有かつ明確であるかどうかに関係します。
	さて、この2つの概念を踏まえて、JMPを使ってモデリングの詳細をいくつかお見せしたいと思います。まずは10個の質問の探索的因子分析から始めます。
	ストレス領域に関するものです。これから私の分析では、
	分析結果を表示します。ポイントアンドクリックで手順を一つ一つ説明することはしません。時間がかかる上に、JMPに詳細なドキュメントが付属しています。
	大きなものは、私たちが
	過負荷の要素と、3つの項目を持つ小さい方の要素を制御不能と呼んでいます。つまり、これは探索的因子分析であり、2つの因子が支持されているようです。
	そして、実際にそれが真実であるかどうかをデータで確認したいのですが、データはそれを裏付けています。そこで、同じ10個の質問について確認因子分析を開始します。
	また、過負荷のコンポーネントは 7 つのインジケーターに接続され、制御不能なコンポーネントは 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、つまりこのモデルがデータにどれだけ適合しているかを見ていきたいと思います。カイ二乗を見ると、カイ二乗は44、自由度は34で有意ではないため、このモデルはデータによって裏付けられていることがわかります。
	下部で確認したいもう 1 つの項目は、先ほど触れた構成妥当性マトリックスです。
	この行列の対角線は、抽出された平均分散を示しています。制御不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。そして、過負荷因子の場合、この分散は
	対角線に示されているように、制御不能な因子のシェアは、実際には、自身の指標のシェア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、
	推定値とパス図を比較すると、
	個々の項目の信頼性はここに表示されています
	ここに長方形があります。そして
	過負荷因子コンポーネントに関連付けられている 7 つの指標の項目信頼性はそれぞれ異なり、.277 から .551 の範囲です。
	そして、私たちはいくつかのものを選びたいのです
	高い信頼性を有する。
	そこで私たちはアイテムの信頼性の概念を使います
	事実上、妥当性を判別して要因を最適化します。
	そして戻って見てみましょう
	これらすべての指標を 1 つの表にまとめます。
	この表には、2つの列にクロンバックのアルファがあり、アイテムが削除されたときのクロンバックのアルファの変化も示されています。
	全体の複合係数のクロンバックのαから、そして最後の列には項目の信頼性があります。したがって、この数値マトリックスを見て因子を最適化する一つの方法は、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、私はまた
	その
	項目が削除されたときのクロンバックのαです。3番目の項目を見てみると、
	そのアイテムは3番目に高い
	項目の信頼性、この列を見ると、私はこれをアルファデルタと呼んでいます。
	これは、項目を削除した場合の複合指標全体からの信頼性の変化です。実際、3番目の項目には大きな変化があり、そのため、この項目ではなく、そのすぐ下の項目を選択しました。
	したがって、最適化された因子ソリューションでは、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 2 番目の因子では、3 番目の項目の項目信頼性が非常に低いため、上位 2 つの項目を選択します。
	だから、
	因子解を10問から5問に最適化し、
	最適化されたファクターソリューションを確認し、これまで説明したすべての指標に関して、どのようになっているかを確認します。
	これが最適化された因子ソリューションです。順序因子には 3 つの指標があり、制御不能な因子には 2 つの指標があります。ここでも、モデルはデータに非常によく適合しており、カイ二乗は 2、自由度は 4 で、カイ二乗値は拒否されません。
	それから降りる
	判別妥当性を見てみましょう。最適化された因子解では、過負荷の分散が実際に増加していることがわかります。
	そして、制御不能な変数と共有する分散が減少しました。つまり、直交値は対角線上の値よりも小さくなり、まさにこれが私たちがサポートしたいものです。
	弁別妥当性です。ソリューションを最適化することで、弁別妥当性を達成し、元の10個の質問よりも優れたモデルを得ることができました。
	さて、因数分解を最適化しました。
	次のステップは、測定モデルの不変性を実行することです。
	ここまでの経緯を思い出してみましょう。これまで様々な表や分析を見てきました。
	共感、ストレス、回復力、マインドフルネス。
	ここではストレスのみに焦点を当てます。ここで答えたい主な疑問は、潜在変数の平均スコアに改善があるかどうかです。
	8 週間のプログラム期間中、事前から事後までどのような変化がありましたか?
	そして、それを証明するためには、まず縦方向の測定不変性を示さなければなりません。
	さて、それは何でしょう？実は最近このことを知ったのですが、JMP開発者のローラ・シロとポール・ルッソが書いた素晴らしい論文をここで紹介させてください。
	最新号のStructural Equation Modelingでは、縦断的測定不変性など、JMPのさまざまな機能について詳しく説明されています。
	縦断的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、開始時と終了時に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。そのために、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つ目は弱不変性モデルで、いくつかの制約を追加します。少しだけ制約を厳しくして、「このモデルはまだサポートされているのか？」という疑問を抱くことになります。
	そしてさらに締め付けを強めて、さらにアイテムインターセプトの品質を課したらどうなるかを考えます。そして最後に、
	ネジの最後のネジ山で、アイテムの差異を追加し、2 つの時点にわたってそれらの品質を配置するとどうなるでしょうか。
	これを段階的に行う方法の詳細は、先ほど紹介した記事に記載されています。ここでは結果のみをお見せします。
	おっと。
	だから、この
	パス図を示します
	過負荷と制御不能という2つの要因は、調査前段階と調査後段階の両方で発生しています。つまり、過負荷の事前段階と制御不能の事前段階、そして調査後段階においても同様です。
	「過負荷」は3つの項目で説明され、「制御不能」は2つの項目に関連しています。ここでの文字はそれぞれ異なります。
	モデルに課された制約。例えば、C3
	過負荷から「緊張してストレスを感じた」という項目まで
	投稿内の同じアイテムと等しいという制約があります。これは、制約が確実にサポートされるようにモデルに課している制約の一部です。
	これらの文字はモデルに課された異なる制約を示しており、これらの推定値は等しくなっています。同様に、
	等価な項目の切片も等しくされ、
	これらは
	A.

高度な統計モデリング基本的なデータ分析とモデリング消費者および市場調査データの探索と可視化予測モデリングと機械学習品質およびプロセスエンジニアリング信頼性分析結果の共有と伝達