ゲーム障害と社交不安の関連性を緩和するのは、交際ステータスと教育レベル

www.semanticscholar.org

• 1. Wang, C. Cheng, 2021,New perspectives on the prevalence and associated factors of gaming disorder in Hong Kong community adults: A generational approach, Computers in Human Behavior. 114. https://doi.org/10.1016/j.chb.2020.106574

香港の社会人におけるゲーム障害の有病率と関連因子に関する新たな視点。世代別アプローチ
要旨 ゲーム障害（GD）は、若年層のゲーマーを対象に広く検討されているが、より幅広い世代の成人を対象にした研究はまだ行われていない。本研究では、ミレニアル世代、ジェネレーションX世代、ベビーブーマーという香港の3世代の成人におけるゲーム障害の有病率と関連因子を詳細に分析しました。さらに、GDと3つのメンタルヘルス指標（社会不安、孤独感、抑うつ）との関連性を調べ、4つの人口統計学的変数（性別、交際ステータス、教育レベル、世代）がこれらの関連性に果たす調整の役割を調べました。香港の成人847名（男性39％、平均年齢＝49.9歳、年齢層＝18～73歳）を対象に、コミュニティサンプルを用いて調査を行った。GDの推定有病率は、ゲーマーのサンプルで8.3％、全体のサンプルで2.6％であり、GD群と非GD群の間には、世代や関係性の状況に有意な差が見られた。3つのメンタルヘルス指標はすべてGDと正の相関があり、社交不安とGDの関連性を緩和するのは、交際ステータスと教育レベルであることがわった。これらの結果から、GDはミレニアル世代のゲーマーだけでなく、ジェネレーションXのような高齢のゲーマーにとっても精神衛生上の問題であることが明らかになった

ビッグファイブの性格特性とスマートフォン使用障害との関連性。メタアナリシス

www.semanticscholar.org

• 1. Marengo, C. Sindermann, Daniela Häckel, M. Settanni, J. Elhai, C. Montag, 2020, Journal of behavioral addictions, 9(3):534-550.

背景と目的
性格は、スマートフォンの習慣性使用を解明するために最も頻繁に調査される変数の1つです。研究者は、性格とスマートフォン使用の習慣性の個人差との関連性を調査することで、テクノロジーユーザーが習慣性行動を起こしやすい性格特性があるかどうかを理解することを目指している。本研究では、既存の実証研究に基づき、ビッグファイブ性格特性とスマートフォン使用障害（SmUD）との関連性の強さをメタ分析により明らかにすることを目的とした。
方法
ビッグ5の性格特性ごとに、スマホ使用障害との関連を示す相関関係をメタ解析した。また、出版バイアスの可能性と、年齢、性別、国籍、パーソナリティ評価の期間、出版時期による調整効果を検討した。
結果
n = 26の適格な研究が見つかりました。人-効果-認知-実行の相互作用（I-PACE）モデルとBillieuxによる携帯電話の問題行動に関するフレームワークに基づき、神経症とSmUDの間には正の相関が認められた（r = 0.25）が、外向性とSmUDの間には有意な相関は認められなかった。外向性とSmUDの関連性は有意ではなかったが、誠実性はSmUDと負の関連性を示した（r = -0.16）。その他の特性は、より小さな関連性を示した。顕著な出版バイアスは見られなかった。モデレーター分析では、出版時期が誠実性とSmUDの関連を調整していた。さらに、同調性と誠実性は、年齢の高いサンプルではSmUDとの逆相関が高まっていた。
結論
今回のメタアナリシスでは、ビッグファイブの性格特性がSmUDの個人差を理解するのに役立ち、リスクのある人を対象とした介入を計画したり、ターゲットを絞ったりする際に、その評価が有用であることを示す確固たる実証的証拠が得られた。

ゲーム障害は青少年に多いのではなく、成人でも同じ有病率

www.semanticscholar.org

• 1. Wu, J. H. Chen, Kwok-Kit Tong, Shu Yu, J. Lau, 2018, Prevalence and associated factors of Internet gaming disorder among community dwelling adults in Macao, China, Journal of Behavioral Addictions. 7(1):62-69.

中国・マカオの地域居住成人におけるインターネットゲーム障害の有病率と関連因子
背景と目的 インターネットゲーム障害（IGD）は主に青少年を対象に研究されており、中国の一般成人集団における有病率を調べた研究はこれまでにない。本研究では、中国・マカオの一般成人を対象に、IGDの可能性が高いと考えられる有病率を推定した。また、IGDと心理的苦痛（抑うつ、不安など）、IGDと性格の強さ（心理的回復力psychological resilience、生きがいpurpose in lifeなど）との関連も検証した。方法 2016年10月から11月にかけて、中国の住民1,000人（男性44％、平均年齢＝40.0歳）を対象に、電話による投票デザインを用いて無作為に代表サンプルを調査した。結果 可能性のあるIGDの推定有病率は、サンプル全体で2.0％、最近のゲーマー（n = 473）で4.3％であり、統計的に有意な性および年齢の影響は観察されなかった（p > .05）。最も多く見られたIGDの2つの症状は、気分の変化と、否定的な結果にもかかわらず継続して参加することであった。IGDの可能性のある回答者は、非IGDの回答者に比べて、心理的な苦痛を受けやすかった（中程度以上のうつ状態と不安状態がそれぞれ25.0％と45.0％あった）。また、心理的レジリエンスも非IGDの回答者に比べて低いレベルであった。性格の強さを表す2つの変数が、苦痛とIGDの関係に及ぼす有意なブァッファー効果は見られなかった。考察と結論 これらの結果は、IGDが青年期のみならず成人期においてもメンタルヘルス上の脅威であることを示す実証的な証拠となった。IGDは心理的苦痛と有意に関連しており、介入の際にはIGDの症状と併せて対処する必要がある。また、今後の予防プログラムには、男女および異なる年齢層のゲーマーを含めることが推奨される。

lavaanを用いてWLSMVによる測定の不変性を計算する[R]

WLSMV(adjusted diagonally weighted least squares)での測定の不変性の方法が確立しているらしい。

https://www.tandfonline.com/doi/abs/10.1080/10705511.2019.1602776

最尤法での測定の不変性についてはこちらを参照のこと。 ides.hatenablog.com

サンプルのデータセットやコマンドはこちらに掲載されている。 https://figshare.com/s/3f1d195da6c78195dd70

データは2011年TIMSS 4thのbullyingスケールから4項目を利用(Mullis et al., 2009)。恣意的に選ばれた3つの国（31＝アゼルバイジャン、40＝オーストリア、246＝フィンランド）のデータを使用。すべての項目は0（まったくない）から3（少なくとも週に一度はある）までの4段階のリッカート尺度で測定されている。この尺度の項目では1年の間に学校で以下のようなことがどのくらいの頻度で起こったかを尋ねている。サンプルサイズはアゼルバイジャン、オーストリア、フィンランドでそれぞれ3808、4457、4520だった。

library("lavaan")
library(semTools)
dat<-read.table("BULLY.dat", header=FALSE)
names(dat) <- c("IDCNTRY", "R09A", "R09B", "R09C", "R09D")
head(dat)

データの頭部分。

  IDCNTRY R09A R09B R09C R09D
1      31    3    3    0    0
2      31    0    0    0    0
3      31    3    2    1    3
4      31    0    0    3    0
5      31    0    0    0    0
6      31    0    0    0    0

グループ分けは"IDCNTRY"を用いる。

結果を格納するマトリックスを作成

all.results<-matrix(NA, ncol = 6, nrow=4)

ベースラインのモデルを作成

mod.cat <- 'F1 =~ R09A + R09B + R09C + R09D'

baseline <- measEq.syntax(configural.model = mod.cat,
                 data = dat, #結果に違いが出るので必ず記載
                 ordered = c("R09A", "R09B", "R09C", "R09D"),
                 parameterization = "delta",
                 ID.fac = "std.lv",
                 ID.cat = "Wu.Estabrook.2016",
                 group = "IDCNTRY",
                 group.equal = "configural")
summary(baseline)

cat(as.character(baseline)) # モデル内のすべての制約条件を見るために
model.baseline <- as.character(baseline) #lavaanで走らせるためにはas.characterを指定する必要がある。

fit.baseline <- cfa(model.baseline, data = dat, group = "IDCNTRY", ordered = c("R09A", "R09B", "R09C", "R09D")) 
summary(fit.baseline)

結果の格納

all.results[1,]<-round(
  data.matrix(
    fitmeasures(
      fit.baseline,fit.measures = c("chisq.scaled","df.scaled","pvalue.scaled", "rmsea.scaled", "cfi.scaled", "tli.scaled")
               )
             ), digits=3
)

結果の格納マトリックスはこのような感じ。

       [,1] [,2] [,3]  [,4]  [,5]  [,6]
[1,] 50.944    6    0 0.042 0.997 0.991
[2,]     NA   NA   NA    NA    NA    NA
[3,]     NA   NA   NA    NA    NA    NA

閾値普遍性(Threshold invariance)

group.equal = c("thresholds")を設定する。

prop4 <- measEq.syntax(configural.model = mod.cat,
                        data = dat,
                        ordered = c("R09A", "R09B", "R09C", "R09D"),
                        parameterization = "delta",
                        ID.fac = "std.lv",
                        ID.cat = "Wu.Estabrook.2016",
                        group = "IDCNTRY",
                        group.equal = c("thresholds"))

model.prop4 <- as.character(prop4)
fit.prop4 <- cfa(model.prop4, data = dat, group = "IDCNTRY", ordered = c("R09A", "R09B", "R09C", "R09D")) 
summary(fit.prop4)

結果の格納

all.results[2,]<-round(
  data.matrix(
    fitmeasures(
      fit.prop4,fit.measures = c("chisq.scaled","df.scaled","pvalue.scaled", "rmsea.scaled", "cfi.scaled", "tli.scaled")
               )
             ), digits=3
)

尤度比検定　ベースラインvs.閾値不変性モデル

lavTestLRT(fit.baseline,fit.prop4)

結果。

             Df AIC BIC  Chisq Chisq diff Df diff Pr(>Chisq)    
fit.baseline  6         26.942                                  
fit.prop4    14         42.170     46.132       8  2.243e-07 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

閾値と負荷の不変性

group.equalに"loadings"を追加する。

prop7 <- measEq.syntax(configural.model = mod.cat,
                       data = dat,
                       ordered = c("R09A", "R09B", "R09C", "R09D"),
                       parameterization = "delta",
                       ID.fac = "std.lv",
                       ID.cat = "Wu.Estabrook.2016",
                       group = "IDCNTRY",
                       group.equal = c("thresholds", "loadings"))
model.prop7 <- as.character(prop7)
fit.prop7 <- cfa(model.prop7, data = dat, group = "IDCNTRY", ordered = c("R09A", "R09B", "R09C", "R09D")) 
summary(fit.prop7)

結果の格納

all.results[3,]<-round(
  data.matrix(
    fitmeasures(
      fit.prop7,fit.measures = c("chisq.scaled","df.scaled","pvalue.scaled", "rmsea.scaled", "cfi.scaled", "tli.scaled")
               )
             ), digits=3
)

尤度比検定　閾値不変性 vs. 閾値と負荷の不変性

lavTestLRT(fit.prop4, fit.prop7)
lavTestLRT(fit.prop7, fit.baseline)

結果。

Scaled Chi-Squared Difference Test (method = “satorra.2000”)

lavaan NOTE:
    The “Chisq” column contains standard test statistics, not the
    robust test that should be reported per model. A robust difference
    test is a function of two standard (not robust) statistics.
 
          Df AIC BIC  Chisq Chisq diff Df diff Pr(>Chisq)    
fit.prop4 14         42.170                                  
fit.prop7 20         93.115      54.67       6  5.404e-10 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Scaled Chi-Squared Difference Test (method = “satorra.2000”)

fit.prop4とfit.prop7が有意であるため、制約を解放する。

修正指標を表示する。

mi <- modindices(fit.prop7, free.remove = FALSE)
mi[mi$op == "=~",]

結果。

   lhs op  rhs block group level    mi    epc sepc.lv sepc.all sepc.nox
1   F1 =~ R09A     1     1     1 0.493  0.012   0.012    0.012    0.012
2   F1 =~ R09B     1     1     1 0.080  0.005   0.005    0.005    0.005
3   F1 =~ R09C     1     1     1 2.698 -0.027  -0.027   -0.027   -0.027
4   F1 =~ R09D     1     1     1 0.662  0.014   0.014    0.014    0.014
31  F1 =~ R09A     2     2     1 0.162 -0.004  -0.002   -0.004   -0.004
32  F1 =~ R09B     2     2     1 0.366  0.007   0.004    0.007    0.007
33  F1 =~ R09C     2     2     1 0.008  0.001   0.001    0.001    0.001
34  F1 =~ R09D     2     2     1 0.177 -0.008  -0.004   -0.006   -0.006
61  F1 =~ R09A     3     3     1 0.001  0.000   0.000    0.000    0.000
62  F1 =~ R09B     3     3     1 0.695 -0.010  -0.004   -0.010   -0.010
63  F1 =~ R09C     3     3     1 1.164  0.013   0.005    0.013    0.013
64  F1 =~ R09D     3     3     1 0.219 -0.009  -0.004   -0.007   -0.007

miの値のもっとも大きいパスの制約を解放する。

prop7.part <- measEq.syntax(configural.model = mod.cat,
                       data = dat,
                       ordered = c("R09A", "R09B", "R09C", "R09D"),
                       parameterization = "delta",
                       ID.fac = "std.lv",
                       ID.cat = "Wu.Estabrook.2016",
                       group = "IDCNTRY",
                       group.equal = c("thresholds", "loadings"),
                       group.partial = "F1  =~ R09C")

model.prop7.part <- as.character(prop7.part)
fit.prop7.part <- cfa(model.prop7.part, data = dat, group = "IDCNTRY", ordered = c("R09A", "R09B", "R09C", "R09D")) 
summary(fit.prop7.part)

結果の格納

all.results[4,]<-round(
  data.matrix(
    fitmeasures(
      fit.prop7.part,fit.measures = c("chisq.scaled","df.scaled","pvalue.scaled", "rmsea.scaled", "cfi.scaled", "tli.scaled")
               )
             ), digits=3
)

尤度比検定　閾値不変性 vs. 閾値と負荷の不変性パーシャルモデル

lavTestLRT(fit.prop7.part, fit.prop4)

結果。

Scaled Chi-Squared Difference Test (method = “satorra.2000”)

lavaan NOTE:
    The “Chisq” column contains standard test statistics, not the
    robust test that should be reported per model. A robust difference
    test is a function of two standard (not robust) statistics.
 
               Df AIC BIC Chisq Chisq diff Df diff Pr(>Chisq)
fit.prop4      14         42.17                              
fit.prop7.part 18         47.73     6.8127       4     0.1461

結果の整理

column.names<-c("chisq.scaled","df.scaled","pvalue.scaled", "rmsea.scaled", "cfi.scaled", "tli.scaled" )
row.names<-c("baseline","prop4","prop7","prop7.partial" )

colnames(all.results)<-column.names
rownames(all.results)<-row.names

all.results
## 結果をcsvで出力する。
write.csv(all.results, file = "results.csv", row.names=TRUE, fileEncoding ="UTF-8")

結果。

              chisq.scaled df.scaled pvalue.scaled rmsea.scaled cfi.scaled tli.scaled
baseline            50.944         6             0        0.042      0.997      0.991
prop4              111.985        14             0        0.041      0.993      0.992
prop7              210.644        20             0        0.047      0.987      0.989
prop7.partial      110.487        18             0        0.035      0.994      0.994

正規性の検定

日本語でも解説が多く、有名な手法なので、やり方だけを記す。

データはirisを用いる。 ガクの長さのデータが正規分布が仮定できるかを検定する。

data(iris)
head(iris$Sepal.Length)

データ。

[1] 5.1 4.9 4.7 4.6 5.0 5.4

シャピロ・ウィルク検定 (Shapiro-Wilk test)

帰無仮説 (H0) は標本分布が正規分布に従うことである。

shapiro.test(iris$Sepal.Length)

結果。

 Shapiro-Wilk normality test

data:  iris$Sepal.Length
W = 0.97609, p-value = 0.01018

5%で帰無仮説が棄却され、正規分布に従うとは言えないことが分かった。

コルモゴロフ・スミルノフ検定 (Kolmogorov-Smirnov test)

帰無仮説 (H0) は標本分布が正規分布に従うことである。 pnorm を指定すると1標本における正規性の検定となる。

d1 <- iris$Sepal.Length
ks.test(x=d1,y="pnorm",mean=mean(d1),sd=sd(d1))

結果。

data:  d1
D = 0.088654, p-value = 0.1891
alternative hypothesis: two-sided

有意水準が10%でも帰無仮説が棄却されず、分布は正気分布を仮定してよいことがわかった。

解釈

それぞれの検定で逆の結果が出ている。解釈の方針がある。

一般に S-W 検定の方が正規分布との違いを見つけ出し易くよく利用されているようです。しかし K-S 検定はデータ数が数千を超える場合は良い結果を与えるとされています。 https://www.heisei-u.ac.jp/ba/fukui/pdf/apstattext04.pdf

SPSSのサポートには次のように書かれある。

「Shapiro-Wilk」は5,000件以下のケースを分析すると自動的に追加され、それ以上のデータの場合は算出されない、正規性の検定手法です。
「Kolmogorov-Smirnov」と同様に、「変数は正規分布をしている」という仮説ですので、変数が有意水準未満であれば、「変数は正規分布をしていない」という結論になります。
「Shapiro-Wilk」は50件程度のデータに特化した手法になりますので、少ないケース数に対して正規性の検定を行う場合は、こちらをご提示してください。 https://www.ibm.com/support/pages/kolmogorov-smirnov%E3%81%A8shapiro-wilk%E3%81%AE%E9%81%95%E3%81%84

アレン・フランセス「「行動嗜癖」という概念には、われわれはみな「行為依存者」だとする根本的な欠陥がある。快楽を繰り返し求めるのは人間の本質の一部であり、当たり前すぎて精神疾患とは見なせない」

行動嗜癖の下位概念にゲーム障害やインターネット依存症などがあるので、ここはゲーム障害やネット依存症と読み替えてもよいだろう。

〈正常〉を救え 精神医学を混乱させるDSM-5への警告

この本の著者は、現在使用されている精神医学の診断基準DSM-5の一つ前のDSM-IVの編集委員長であったアレン・フランセスである。この本は、フランセスがDSM-5が編纂されるにあたり、現在の精神医学が抱える様々な問題を指摘した本である。

ゲームやネットを精神疾患として規定するバカバカしさがフランセスの言葉に集約されているように思う。

最近は文科省のパンフレットなどにも行動嗜癖が掲載されるようになってきた。DSM-5もICD-11も行動嗜癖概念は却下している。世界標準の診断基準を無視してまで、行動嗜癖概念を日本中に広めるモチベーションは何か、というのは気になるところである。

日本語版292-3頁。

「嗜癖」という語は、あらゆる熱中や傾倒を含むものへと拡大解釈されつつある。かってのそれは限定されていて、薬物やアルコールへの身体的な依存のみを指していた--ハイになるための量がしだいに増え、やめれば重い離脱症状が出るような依存だ。その後、「嗜癖」は強迫的な薬物乱用も指すものへと拡大された。これに陥っている人は、もうなんの意味もないのに、薬物を摂取しなければならないと感じる。快感は消え失せ、重大な悪影響があるだけなのに、つづけずにはいられない。最近では、種類にかかわりなく、頻繁な薬物の使用に「嗜癖」が軽々しく不適当に用いられている--まだ強迫的な使用に至っていない、純粋に快楽を求めての使用であっても。ＤＳＭ-５は拡大解釈の最後の段階を踏み、われわれはアヘンに病みつきになる人とちょうど同じように、好みの行為に依存しているのだとしている。
「行為嗜癖」という概念には、われわれはみな「行為依存者」だとする根本的な欠陥がある。快楽を繰り返し求めるのは人間の本質の一部であり、当たり前すぎて精神疾患とは見なせない。

原版。

Saving Normal: An Insider's Revolt against Out-of-Control Psychiatric Diagnosis, DSM-5, Big Pharma, and the Medicalization of Ordinary Life (English Edition)

The term “addiction” is being stretched to include any passionate interest or attachment. It was once narrowly restricted to describe physical dependence on a substance or alcohol—you needed more and more to get high and had painful withdrawal symptoms when you stopped. Then “addiction” was expanded to cover compulsive substance use. The addict is someone who feels compelled to take the drug even though it no longer makes any sense. The fun is gone and there are grave negative consequences, but he is driven to continue. Lately, “addiction” is loosely and incorrectly applied to any frequent drug use—even if it is purely for pleasurable recreational purposes, not yet compulsive. DSM-5 takes the final broadening step that we are just as addicted to our favorite behaviors as someone who is hooked on opium.
The concept of “behavioral addiction” has the fundamental flaw that we are all “behavioral addicts.”

CEROの成り立ち。プレステが変えた業界構造(栗下善行)

ameblo.jp

しかし、00年にプレイステーション2が発売され更にゲーム表現の幅が広がり、全てのゲームが全年齢向けでは、製作側も表現の自由を十分に行使できないこと、また倫理規定自体がそもそも抽象的な表現であったことなどから、倫理規定の改定と独自レーティングシステムの導入が進められることとなります。 そして前回ブログで取り上げたアメリカのESRBへ職員を派遣するなどして得た知見をもとに、02年にCERO（コンピューターエンターテインメントレーティング機構）が設立されます。