井出草平の研究ノート

交差遅延パネルモデルCross-lagged Panel Model[R]

Stataでの分析方法はこちら。

ides.hatenablog.com

Mplusでの分析方法はこちら。

ides.hatenablog.com

データ読み込み

library(rio)
nes3wave <-import("nes3wave.dta")

今回のパス図を先に表示しておこう。

コードは末尾。semPlotパッケージを用いて描画している。

モデル

回帰は~、共変量は~~で書くのがlavaan。

library(lavaan)
CLP_model<-
  '
## Regressions
pid2002 ~ pid2000 + app2000
app2002 ~ app2000 + pid2000

## Covariances
app2000~~pid2000
app2002~~pid2002
'

実行・結果表示

推定法はデフォルトの最尤法を用いている。

fit_CLPM<- sem(CLP_model, data=nes3wave)
summary(fit_CLPM, standardized=TRUE)

結果

Regressions:
                   Estimate  Std.Err  z-value  P(>|z|)   Std.lv  Std.all
  pid2002 ~                                                             
    pid2000           0.785    0.020   38.621    0.000    0.785    0.773
    app2000           0.160    0.026    6.204    0.000    0.160    0.124
  app2002 ~                                                             
    app2000           0.130    0.031    4.177    0.000    0.130    0.137
    pid2000           0.317    0.025   12.919    0.000    0.317    0.424

Covariances:
                   Estimate  Std.Err  z-value  P(>|z|)   Std.lv  Std.all
  pid2000 ~~                                                            
    app2000           2.119    0.127   16.712    0.000    2.119    0.599
 .pid2002 ~~                                                            
   .app2002           0.436    0.049    8.950    0.000    0.436    0.286

Variances:
                   Estimate  Std.Err  z-value  P(>|z|)   Std.lv  Std.all
   .pid2002           1.263    0.055   23.011    0.000    1.263    0.272
   .app2002           1.836    0.080   23.011    0.000    1.836    0.732
    pid2000           4.501    0.196   23.011    0.000    4.501    1.000
    app2000           2.785    0.121   23.011    0.000    2.785    1.000

パス図

library(semPlot)
semPaths(fit_CLPM, layout = "tree", shapeLat="ellipse", whatLabels  = "est", 
         nDigits=3, shapeMan="square", sizeMan =6, sizeMan2= 10,
         style = "lisrel",rotation = 2,residScale=12, curve=2.5, 
         edge.color="black", edge.label.cex=1)

交差遅延パネルモデルCross-lagged Panel Model[Mplus]

以前、Stataで交差遅延パネルモデルに解説した例で今回もデモを行う。

ides.hatenablog.com

Mplus用のデータ加工

github.com

こちらからnes3wave.dtaをダウンロードする。 RStudioでMplus用のデータに加工する。

データの読み取り

library(rio)
nes3wave <-import("nes3wave.dta")

Rのデータ読み込みパッケージにはforeignhavenがあるが、Mplusへデータ出力をする場合はrio一択だと思う。R上での分析もrioを使っている。rioを使うにはhavenがインストールされている必要があり、haventidyverseが必要となる。

サブセットの作成

今回使用するデータのみピックアップする。

nes3wave_CLPM <- subset(nes3wave, select = c(pid2000, pid2002, app2000, app2002))

Mplus用のデータ出力

library(MplusAutomation)
variable.names(nes3wave_CLPM) # 変数名を書き出し
prepareMplusData(nes3wave_CLPM, filename="nes3wave_CLPM.dat", overwrite=T)

nes3wave_CLPM.datというファイルで出力した。

Mplusでの分析

inpファイルは下記のように書く。

TITLE: 
  Cross-lagged Panel Model with Mplus

DATA: 
  FILE = "nes3wave_CLPM.dat";

VARIABLE: 
  NAMES = pid2000 pid2002 app2000 app2002; 
  MISSING=.;

ANALYSIS: 
  type = general;
  estimator = MLR;

MODEL:
  pid2002 on pid2000;
  app2002 on app2000;
  pid2002 on app2000;
  app2002 on pid2000;

  pid2000 with app2000;
  pid2002 with app2002;

OUTPUT:
  STDYX;

diagrammerで描画すると下記のようになる。

書きたい図とは少し違うが、だいたいイメージはできる図にはなっているだろう。

結果

STDYX Standardization

                                                    Two-Tailed
                    Estimate       S.E.  Est./S.E.    P-Value

 PID2002  ON
    PID2000            0.776      0.020     39.702      0.000
    APP2000            0.115      0.022      5.163      0.000

 APP2002  ON
    APP2000            0.125      0.032      3.947      0.000
    PID2000            0.413      0.031     13.515      0.000

 PID2000  WITH
    APP2000            0.558      0.018     30.934      0.000

 PID2002  WITH
    APP2002            0.280      0.031      9.024      0.000

 Means
    PID2000            1.323      0.025     53.876      0.000
    APP2000            1.506      0.016     96.486      0.000

 Intercepts
    PID2002            0.177      0.029      6.028      0.000
    APP2002            1.581      0.072     21.966      0.000

 Variances
    PID2000            1.000      0.000    999.000    999.000
    APP2000            1.000      0.000    999.000    999.000

 Residual Variances
    PID2002            0.285      0.018     15.931      0.000
    APP2002            0.756      0.021     36.219      0.000


R-SQUARE

    Observed                                        Two-Tailed
    Variable        Estimate       S.E.  Est./S.E.    P-Value

    PID2002            0.715      0.018     40.008      0.000
    APP2002            0.244      0.021     11.683      0.000

CLPMを使うべきか

MplusのユーザーズガイドにCLPMは掲載されていない。理由は下記のMplus Discussionでのやり取りをみれば明らかであろう。

www.statmodel.com

Bengt O. Muthen posted on Tuesday, February 12, 2019 - 5:24 pm
That looks right. Also note the RI-CLPM approach shown on our website. ホームページで紹介されているRI-CLPMのアプローチにも注目してください。

Muthen先生がやんわり指摘しているようにCLPMというのは時代遅れの方法で現在の標準的アプローチはランダム切片を置いたRI-CLPMになっている。

www.statmodel.com

Reciprocal RI-CLPM

RI-CLPMをさらに改善したモデルとしてReciprocal RI-CLPMをMuthen先生たちは提唱している。

最近、新しいウェブトークが公開され、そこで解説がされている。

www.statmodel.com

こちらのモデルが主流になるかはわからないが、ざっと見た感じ、検討すべきモデルであるのは間違いなさそうだ。

銃乱射事件とメディアの影響:科学と公共政策の課題

マルタ・エルソンMalte Elsonとクリストファー・J・ファーガソンChristopher J. Fergusonによる解説。

www.cambridge.org

2012年12月にコネチカット州ニュータウンのサンディフック小学校で起きた銃乱射事件をきっかけに、米国(およびその他の地域)の保護者や関係者は銃乱射事件に関する議論を注視している。この事件は、暴力犯罪の原因、特に銃規制、メンタルヘルス改革、メディアにおける暴力描写、そして社会的暴力を減らすために政府が何をすべきかについての論争を引き起こした。2013年1月16日、ホワイトハウスは、銃暴力削減のための行動計画を発表した。この計画には、銃販売時の身元確認の厳格化と特定の武器の使用禁止、学校の安全対策、メンタルヘルス治療の適用拡大、銃暴力の原因と防止に関する研究へのさらなる取り組みなどが盛り込まれている。特に、デジタルゲームやその他のメディア映像における暴力との関係を精査することが強調されており、そのために、疾病対策予防センターに1000万ドルを追加で提供するとしている。最近の『サイエンス』誌で非常に適切に表現されているように、銃規制の課題は、まさに科学者の義務への要請であるといえよう2。

メディア暴力:エビデンスイデオロギー

では、暴力的なメディアの影響に関する研究の現状はどうなっているのだろうか。この問いに対する答えは2つある。まず、メディア暴力が人間の攻撃性に及ぼす影響に関する経験的証拠はかなりまちまちであり、結論は出ていない。心理学研究室で得られた知見は、(全体としてはまだ小さく一貫性がないが)最大の効果をもたらすように思われるが、映画クリップや10分間のゲームプレイといった刺激の特異なエピソード提示や攻撃行動の人工的な測定は、多くの研究の一般性を著しく制限する3,4。暴力的なメディアの使用と攻撃性の間の相関は、攻撃的な個人が暴力的なメディアを好むことによって説明できることを明らかにしながら、繰り返しメディアにさらされることが行動に及ぼす影響を調査する多くの縦断的研究は、かなり小さい効果7、あるいはまったくない、という考えを支持している。10

回答の後半は、暴力メディアに関する学術的な議論と、政治家、評論家、学者による経験的証拠の(誤った)表現に関連するものである。暴力的なゲームの影響に関する既存の研究の結論は、しばしば誇張され、イデオロギー的な主張に耽溺し、科学的根拠が支持する範囲を超えることが一般的で、メディア効果研究の信頼性にリスクをもたらしている。12 こうした主張は、暴力ゲームの使用と実際の暴力行動(あるいは犯罪)の増加との間に因果関係があると推測される場合には、特に不適切である。このことは、2011年の米国最高裁のBrown v. Entertainment Merchants Association判決13や、オーストラリア、14、スウェーデン政府15、米国議会のTask Force on Gun Violenceによる検討で嘆かれている。16 経験則から明確な因果関係を示すことができないのであれば、なぜそのような主張が続くのだろうか。

モラルパニックにおける研究

サンディフック銃乱射事件のような悲劇が起きた後の社会的反応や激しい議論は、モラルパニックとして知られる現象を示している。17 モラルパニックでは、社会のある部分が、別の部分のある行動やライフスタイルの選択を、社会全体に対する重大な脅威であると見なす。このような環境では、道徳的な信念が科学研究に大きな影響を与え、その結果が疑われていたことの裏付けとして容易に利用される。研究者たちは、社会における暴力犯罪を減らすために、攻撃性のメカニズムを理解することに大きな関心を持っている。メディア利用のようなあからさまで近接した行動に取り組むことには、大きなメリットがある。不道徳とみなされるメディアコンテンツの顕示に暴力を帰することには、説得力のある表面的妥当性がある。さらに、メディアの生産と流通は、理論的には国家機関によって容易に取り締まり、規制することが可能である。メディアが社会に害を及ぼしているのであれば、それを規制することは、暴力犯罪に対処するためのかなり容易な方法であろう。しかし、特に誇張された場合、メディアの使用のようなあからさまで近接した行動についての警告は、貧困や不平等のような社会の奥深くに根ざした隠密で遠距離の問題から目をそらす可能性があります。これらの問題は、暴力犯罪を含むさまざまな社会問題の主要な原因であり、通常は無形のもので、モラルパニック理論の用語で言うところの「厄介者」を用意するものではなく、対処が困難な問題である。オバマ政権が要求しているメディアと犯罪の関連性に関する研究資金は、新たに巻き起こったモラルパニックの一部なのだろうか?

必ずしもそうではないが、科学界が注意しなければならない問題である。このような研究プロジェクトが立ち上げられたという事実だけでも、たとえ注意深く言葉を選んだとしても、まさに暴力犯罪の余波で起きたことで、汚名を着せられ、示唆に富むものになりかねない。大統領の銃暴力削減計画では、メディアの効果は二次的なものでしかないようだが、研究者は、この行動の呼びかけによって伝えられる潜在的な偏見に注意しなければならない。私たちは、メディア効果の研究に公的資金が費やされていることを批判しているわけでも、ゲームにおける暴力の調査を完全に放棄すべきだと主張しているわけでもない。メディアの使用がもたらす望ましくない結果を心配するのは結局のところ国民であり、したがって行政(および行政が委託する研究者)はその答えを求めて努力する義務を負っている。しかし、私たちは何をすべきなの だろうか。

私たちはギャップを埋める必要がある

社会科学者が研究室で一般的に測定していることと、一般大衆(あるいは政策立案者)が懸念している行動との間には、食い違いがあるように思われる。過去の研究は、通常、公共政策に直接情報を提供するために行われたのではなく、制御された実験室環境における基本的な認知・行動プロセスの学術的知識を深めるために行われたものであった。その結果、政策立案者13-16が経験的証拠を評価しても、メディアの使用と現実の暴力行動との関連性を示す説得力のある証拠は見つからなかった。それは単に、学術研究が、少数の例外を除いて、社会的暴力とはほとんど関係がないためである。残念ながら、学者自身は必ずしも慎重ではなく、弱い実験室での研究結果を不適切な形で社会的暴力に一般化する。

メディア効果の研究者が発見したことと、それを意味すると宣言する者がいることには、同様の不一致が存在する。例えば、メディアによる暴力が社会における暴力全体の30%を占めること18や、暴力ゲームの攻撃性への影響は、喫煙による肺がんへの影響と同じくらい危険であること19など、公衆衛生上の危機を連想させることの不適切さは言い尽くせない。攻撃性という拡散した概念をがんのような深刻な病状と比較して警戒するやり方は、不必要に議論を白熱させている。さらに、腫瘍学には、メディア効果の研究のような方法論の問題はない。がんの検査は標準化され、信頼性が高く、臨床的に検証されている。わかりやすく言えば、実験室で肺がんになった人は、現実世界でも肺がんになる。残念ながら、実験室研究で使われる攻撃性の指標は、そのような予測力からはほど遠く、しばしば非標準的な方法で使用されることがある。4 最後に、肺がんは喫煙が広く習慣化する以前には公衆衛生上の大きな問題ではなく、その流行は喫煙と平行していた20。もちろん、暴力犯罪は常に存在し、むしろ暴力犯罪と暴力ゲームの売上には逆の相関関係が観察される。このように、このような極端な発言は、メディア効果研究の信頼性を損ない、国民の最善の利益のための適切な議論と適切な政策決定を阻害するものである。このような極端な発言に照らして、社会科学が公共の論争に情報を提供する上で、どのように信頼され得るだろうか。

しかし、特定の状況下、あるいは高リスクの個人のサブグループについて、暴力的なメディアの悪影響があるかどうかを調査する価値があることは認める。好ましくない家庭環境や精神衛生上の問題など、特定のリスク(および回復力)要因を特定することであり、できれば実際の対照群を用いた前向きな研究が、メディア暴力研究者の今後の課題だと考えている。特にコンテンツの問題だけでなく、メディアの利用について、より洗練された分析を行う準備が必要である。私たちは、特定の個人が同じメディアを非常に異なる方法で使用し、非常に異なる結果をもたらす可能性があることを観察しています。そのために、研究者は機械的なコンテンツ効果モデルを超えて、個人によるメディア利用の差異を考慮し、「健全な」パターンと「不健全な」パターンを特定する必要がある。したがって、青少年や大人がメディアをどのように、どのような具体的な理由で利用するかを理解することは、メディアの内容そのものよりも重要であると考えられる。

暴力的なメディアによって引き起こされる攻撃的な行動や暴力的な犯罪を懸念するのであれば、大学生を中心としたサンプルにおけるメディアの使用と影響に関する調査を中止することを検討すべきだろう。代わりに、犯罪者や人や財産に対する暴力行為を行った人のメディア利用パターンを研究すれば、暴力的なメディアがどのように、そしていつリスクをもたらすのかについて、我々の理解に非常に興味深い洞察をもたらす可能性がある。

このような研究プログラムを進めるにあたって、科学界は、この分野における政治の介入とイデオロギーの過去の問題に注意を払う必要がある11,12。たとえば、最近の研究の呼びかけのなかで、ロックフェラー上院議員の言葉が引用されている。

最近の裁判の判決は、いまだに理解していない人がいることを示している。彼らは、暴力的なビデオゲームが、古典文学や土曜日の朝のアニメと同じように、若者の心にとって危険なものではないと信じている。親や小児科医、心理学者はもっと良く知っている。これらの判決は、私たちがもっと努力する必要があることを示し、議会がこの問題に対してさらなる土台を築ける方法を探っている。この報告書は、このプロセスにおける重要な資料となるであろう」。21

このようなコメントは、結果としての研究に不当な政治的圧力をかけることになる。

さらに、ロックフェラー上院議員は、全米科学アカデミーと並んで、連邦取引委員会(FTC)と連邦通信委員会FCC)をこうした研究の監督に加えるよう求めているが、FTCとFCCは、研究結果に基づく政府の規制によって権力を拡大する立場にあるため、利害対立の可能性があるといえるだろう。このような呼びかけが政治的な性質を持つことは明らかだが、社会的なモラルパニックが広い意味でメディアに与える悪質な影響については、この時点で十分に立証されている3。 10年前、『ネイチャー』誌22はメディア研究者に対して、「もっとわかるまで十字軍のレトリックを控えめにする」よう求めた。10年後の今、私たちはより多くのことを知っており、今知っていることは、十字軍的なレトリックに戻る時期であることを示唆していない。それどころか、科学界が慎重な言葉を用い、社会的なモラルパニックに直面して理性の代弁者として行動する時がますます来ている。科学界は、今後もこのような問題に注意を払い続けることが肝要である。

恩恵と弊害

メディア暴力のリスクについて、学界や一般社会での議論はまだ終わっていない。新しい研究プロジェクトの立ち上げは、この分野を前進させ、答えの発見を促すかもしれない。しかし、過去の研究が繰り返し形成してきたイデオロギーやバイアスの危険性には注意しなければならない。これは、この分野の信頼性を回復し、メディア効果研究が暴力犯罪の減少にどのように貢献できるかについて、責任ある対話を行う絶好の機会であるが、政治的理由によって間違った答えを見つける危険性もはらんでいるのである。

ゲーム、どうつき合うか/上 プレーで友とつながれる

mainichi.jp

 不登校の子どもは、学校に行こうと頑張りすぎて「電池がきれた状態」とする青島さん。ゲームは充電装置にあたるとし、「公園でサッカーをするのと同じ。友達とつながり、交流がうまれる」と有用性を説く。

Mplusで潜在プロファイル分析

以前にポストしたRのmclustライブリーでの分析はこちら。

ides.hatenablog.com

例題

今回はMplusのUser's Guideの例をそのまま使う。

例7.3の連続潜在クラス指標を用いたLCAで、ランダムスタートによる自動開始値を用いたものである。

Mplusの解説

この例と例7.3の違いは、潜在クラス指標がバイナリ変数ではなく、連続変数であることだ。 VARIABLEコマンドで従属変数のスケールに関する指定がない場合、連続変数であることが仮定される。 連続的な潜在クラス指標を用いた潜在クラス分析は、しばしば潜在プロファイル分析と呼ばれる。

自動開始値を使用する場合は、MODELコマンドは指定する必要がない。 潜在クラス指標の平均と分散、およびカテゴリ潜在変数の平均は、デフォルトで推定される。 潜在クラス指標の平均は、デフォルトのようにクラス間で等しく保持されない。 分散は、デフォルトとしてクラス間で等しく保持され、潜在クラス指標間の共分散は、デフォルトとしてゼロで固定される。 このタイプの分析のデフォルトの推定量は、ロバスト標準誤差を持つ最尤推定量である。 ANALYSISコマンドのESTIMATORオプションを使用すると、別の推定量を選択することができる。 他のコマンドの説明は例題7.1および7.3にある。

コード例

データはこちらから。 https://www.statmodel.com/usersguide/chapter7.shtml

TITLE:
  this is an example of a LCA with continuous latent class indicators using automatic starting values with random starts

DATA:
  FILE IS ex7.9.dat;

VARIABLE:
  NAMES ARE y1-y4;
  CLASSES = c (2);

ANALYSIS:  
  TYPE = MIXTURE;

OUTPUT:
  TECH11 TECH14;

結果

モデルフィット

MODEL FIT INFORMATION

Number of Free Parameters                       13

Loglikelihood

          H0 Value                       -3177.162
          H0 Scaling Correction Factor      0.9709
            for MLR

Information Criteria

          Akaike (AIC)                    6380.324
          Bayesian (BIC)                  6435.114
          Sample-Size Adjusted BIC        6393.851
            (n* = (n + 2) / 24)

エントロピー

CLASSIFICATION QUALITY

     Entropy                         0.909

クラス比率

FINAL CLASS COUNTS AND PROPORTIONS FOR THE LATENT CLASSES
BASED ON THEIR MOST LIKELY LATENT CLASS MEMBERSHIP

Class Counts and Proportions

    Latent
   Classes

       1              238          0.47600
       2              262          0.52400

モデルの結果

MODEL RESULTS

                                                    Two-Tailed
                    Estimate       S.E.  Est./S.E.    P-Value

Latent Class 1

 Means
    Y1                -1.056      0.070    -15.030      0.000
    Y2                -1.088      0.067    -16.255      0.000
    Y3                -0.943      0.063    -15.050      0.000
    Y4                -1.093      0.074    -14.688      0.000

 Variances
    Y1                 1.134      0.073     15.610      0.000
    Y2                 0.975      0.063     15.582      0.000
    Y3                 0.992      0.064     15.483      0.000
    Y4                 1.007      0.064     15.683      0.000

Latent Class 2

 Means
    Y1                 1.037      0.070     14.762      0.000
    Y2                 1.004      0.064     15.682      0.000
    Y3                 0.865      0.068     12.763      0.000
    Y4                 0.980      0.060     16.321      0.000

 Variances
    Y1                 1.134      0.073     15.610      0.000
    Y2                 0.975      0.063     15.582      0.000
    Y3                 0.992      0.064     15.483      0.000
    Y4                 1.007      0.064     15.683      0.000

LMR

OUTPUT: TECH11を入れると計算してくれる。

     VUONG-LO-MENDELL-RUBIN LIKELIHOOD RATIO TEST FOR 1 (H0) VERSUS 2 CLASSES

          H0 Loglikelihood Value                        -3550.694
          2 Times the Loglikelihood Difference            747.063
          Difference in the Number of Parameters                5
          Mean                                              3.380
          Standard Deviation                                8.255
          P-Value                                          0.0000

BLRT

OUTPUT: TECH14を入れると計算してくれる。

     PARAMETRIC BOOTSTRAPPED LIKELIHOOD RATIO TEST FOR 1 (H0) VERSUS 2 CLASSES

          H0 Loglikelihood Value                        -3550.694
          2 Times the Loglikelihood Difference            747.063
          Difference in the Number of Parameters                5
          Approximate P-Value                              0.0000
          Successful Bootstrap Draws                            5

LMRとBLRTの説明はこちらのエントリーで

ides.hatenablog.com

まとめ

基本的には潜在クラス分析と大きな違いはないが、モデル結果のところがカテゴリカルではなく、連続変数ででるため、グフかした方がわかりやすいかもしれない。

mclusパッケージで作成したのは以下のようなグラフだった。

小此木啓吾先生、理工系出身の技術者はコンピュータに取りつかれ、情緒的な関わり合いができず、インポテンツだ、と持論を展開する

小此木啓吾先生といえば『モラトリアム人間の時代』が有名な精神分析家である。一般的にはそれほど知名度はないかもしれないが、日本の精神分析会では大家である。小此木先生はデジタル技術批判も行っていた。その中の一冊から。

ある泌尿器科医の統計によると、この五年間に、新婚の際のインポテンス<性的不能>の男性が五倍くらい増えている。しかも、専門家同士が異口同音に言うのは、この種のタイプの男性のかなりの人々が、理工系出身の技術者タイプであるという事実である。つまり、物理、数学満点タイプなのだが、文科系の情緒的なものにはさっぱり関心がない。こうした傾向は、コンピュータ時代になってますます増えるのではないか、と危惧の念をもらす専門家も多い。
知的にはとても優秀で、すぐれた才能を発揮している彼らは、コンピュータとのかかわりが居心地よく、人と人、妻と自分といった一対一の情緒関係は、苦手でうとい。それだけに、結婚しても男女の情愛そのものにあまり関心がない。妻に対する性的な親密さもなかなか持つことができない。あたかもダッチマザーに育てられたおサルの坊やのようである。
このような未完成結婚型青年がテクノ依存症の徴候として今後ますます広がっていくのだろうか。(pp.34-5)


テクノ依存症とダッチワイフ
コンピュータに慣れてくると、コンピュータの作業基準を自分の内部に取り込んで、コンピュータにかなったような感じ方、考え方、反応の仕方、問題処理の仕方が身についたコンピュータ人聞ができ上がる。たとえば物事を処理する時聞をできるだけ短縮し、できるだけ失敗のないようにいつも完全を望む。イエスかノーかのデジタル的な二者択一思考が身についてしまう。このようにしてコンピュータに順応する結果、これらの人々の創造性は減退し、人との温かいふれあい能力が低下する。そして、むしろ人間そのものが機械じみ、人々から隔ってしまう。
この心理傾向が極端になるとテクノ依存症とよばれる。コンピュータに取りつかれ、コンピュータが行なうようにいつもすべてをコントロールしたいという強迫観念に駆られ、人との共感を失い、情緒の豊かさと柔軟性がなくなって、機械人開化する。未完成結婚型の男性のなかには、このテクノ依存症にかかっていることが疑われる人々が目立つ。(p.35-6)

精神分析とインポテンス

このような文脈でインポテンス(独:インポテンツ)が出てくるのかというと、精神分析の重要なテーマ一つだからである。

精神分析とインポテンスについてはこちらによくまとめられている。

quod.lib.umich.edu

かの、キンゼイレポートでも、若年では精神的なインポテンスは稀であり、加齢によるものであることがによって明らかにされている(Kinsey 1948 :237)

  • Kinsey, Alfred C. 1948 Sexual Behavior in the Human Male. Philadelphia: W.B. Saunders Company.

あわせて読みたい

ides.hatenablog.com

ides.hatenablog.com

アレン・フランセス、DSM-5に対して「あらゆる熱中的な嗜癖を精神疾患とするよう広まり、インターネット、セックス、ショッピング、その他の未検証の「嗜癖」に対する一次的なブームにすぎない診断への扉を開く」と批判する

www.cambridge.org

また、DSM-5では、ギャンブルを最初の例として「行動嗜癖」という概念を導入することで、危険な坂道 slippery slope を作り出している。この時期尚早の先例は、やがてあらゆる熱中的な嗜癖精神疾患にするように拡大され、インターネット、セックス、ショッピング、その他の未検証の「嗜癖」に対する一次的なブームにすぎない診断への扉を開くことになりかねない。
This edition has also created a slippery slope by introducing the concept of ‘behavioural addictions’- with gambling as its first example. This premature precedent can eventually spread to make a mental disorder of any passionate interest - opening the door to the fad diagnosis of internet, sex, shopping and other untested ‘addictions’.

ICD-11 が直面する課題

DSM-5 が非常に多くの疑問のある決定をし たことを考えると、ICD-11 はそれに追随しないことが賢明であろう。しかし、これは簡単なことではない。書かれた言葉や出版されたページには暗黙の権威があり、ICD-11 の作業員には、DSM-5 の前例に惑わされないようにという強いプレッシャーがかかる。DSM-5 の変更は、それがどんなに稚拙なものであったとしても、ある種の権威を獲得し、労を惜しまない決定プロセスの末に受け入れられたという見かけ上の信憑性を獲得することになる。調和への直接的なアピールがなされることだろう。そして、DSM-5の経験者の多くが、ICD-11にも取り組んでいるのだ。しかし、DSM-5を雛形として踏襲することは重大な誤りであろう。DSM-5の決定は、リスクを最小化する一方で、仮想的な利益を過大評価する、秘密主義の閉鎖的なプロセスに基づいていた。実地試験では、診断率への影響を測定することができず、信頼性は過去の水準をはるかに下回り、しばしばDSM-III以前のひどい信頼性の欠如に逆戻りする結果となった。また、DSM-5は制作の締め切りをすべて過ぎてしまったため、ひどく必要とされていた品質管理の段階を中止してしまった。DSM-5は適切なテストを行うことなく、早々に出版を急がせてしまった。
ICDの新版は、DSM-5の過ちを永続させるのではなく、そこから学ぶことで、より良いものにすることができますし、そうしなければならない。変更を加える前に、より高い科学的証拠の基準を設定し、よりオープンなプロセスを確保し、異なる視点に対してより敏感でなければならない。しかし、安全で永続的な診断システムを構築 するためには、知恵と慎重さが資源の有無に勝ることは明らかである。

「書かれた言葉や出版されたページには暗黙の権威がある」

これはICD-11のゲーム行動症の導入で明確になったことではないだろうか。
結局、ICD-11の作成者は、フランセスの忠告を無視する形で新しい診断基準を作成するに至った。

アレン・フランセスと関連エントリ

ja.wikipedia.org

ides.hatenablog.com

ides.hatenablog.com