社会科学におけるシーケンス分析

シーケンスパターンの分析は、20 世紀半ばに登場した社会学理論に基礎を置いている。^{[ 27 ]} 構造理論家は、社会は規則的なパターンによって特徴づけられるシステムであると主張した。一見些細な社会現象でさえ、非常に予測可能な方法で秩序づけられている。^{[ 40 ]}この考え方は、社会シーケンス分析家が、あらゆる社会組織のレベルで共通のシーケンスの「クラス」を特定するために、最適なマッチング、クラスタリング、および関連する方法を使用する際の暗黙の動機付けとなっている。これは、パターン探索の一形態である。社会行動の規則化されたパターンに焦点を当てることは、ミクロ社会的な相互作用と接触シーケンス、つまり「ミクロシーケンス」を理解するためのますます影響力のある枠組みとなっている。^{[ 41 ]}これは、社会的行為者の行動は主にルーチンによって構造化され、それによって、そうでなければ混沌として急速に変化する社会世界において予測可能性と安定感をもたらすという、アンソニー・ギデンズの構造化理論と密接に関連している。^{[ 42 ]}この考えは、ピエール・ブルデューのハビトゥスの概念にも反映されており、安定した世界観の出現と影響が日常の行動を導き、予測可能で秩序だった行動のシーケンスを生み出すことを強調している。^{[ 43 ]}ルーティンが社会現象に構造的な影響を与えるという結果は、ピティリム・ソローキンが1939年の研究で初めて実証的に示し、日常生活が非常にルーティン化されているため、ある人が翌日特定のことに費やす時間を約75%の精度で予測できることを発見した。^{[ 44 ]}タルコット・パーソンズの主張^{[ 40 ]} 、すなわちすべての社会的主体は社会的役割を通じてより大きな社会システム（例えば、家族やより大きなコミュニティ）に相互に方向付けられているという考えは、社会的シーケンス分析家が異なる社会的主体のスケジュールと秩序だった経験の間に存在するつながりに関心を持つ根拠にもなっており、社会的主体とその社会的接触やより大きなコミュニティとの同期に関する相当な研究を生み出している。^{[ 19 ] [ 18 ] [ 45 ]}これらの理論的方向性はすべて、一般線形モデルに対する批判を正当化する。社会現実のあり方について、ほとんどの研究で適用されているように、社会は静的であるか、マルコフ過程に適合する形で非常に確率的であることを意味します^{[ 1 ] [ 46 ]}この懸念が、一般線形モデルへの解毒剤としての社会シーケンス分析の初期フレームワークのきっかけとなりました。また、非線形ネットワーク構造で社会的主体をリンクする要素として活動やイベントのシーケンスをモデル化する最近の試みも動機付けています^{[ 47 ] [ 48 ]}この研究は、同様の活動、経験、および地位を経験することが社会的主体間のリンクとして機能するというゲオルク・ジンメルの理論に根ざしています。 ^{[ 49 ] [ 50 ]}

人口学および歴史人口学において、1980年代以降、ライフコースの視点と方法が急速に取り入れられたことは、人口学的プロセスを社会科学のダイナミクスにさらに深く組み込むことを意味する実質的なパラダイムシフトの一部であった。仮説演繹的アプローチで個別に研究された人口学的イベントの発生とタイミングに焦点を当てた最初の段階の後、2000年代初頭から^{[ 34 ] [ 51 ]}、ライフコースの構造を考慮し、その複雑さを正当に評価する必要性から、包括的なアプローチを追求する目的でシーケンス分析の使用が増加した。個人間のレベルでは、ペアワイズ不類似性とクラスタリングが、人間の発達の異質性を明らかにする適切なツールとして現れた。たとえば、個人主義的な西洋社会と南半球（特にアジア）の集団主義的社会を対比するメタナラティブは、正当な生殖への多様な経路を明らかにする比較研究によって挑戦を受けた。^{[ 52 ]}個人内レベルでは、シーケンス分析は、個人が過去の経験と偶発性の認識に基づいて人生について解釈し、決定するという基本的なライフコースの原則を統合しています。^{[ 34 ]}この視点への関心は、20 世紀の初めから終わりにかけて生まれたコホートの個人のライフコースの変化によっても促進されました。これらの変化は、非標準化、非同期化、非制度化として説明されています。^{[ 53 ]}これらのダイナミクスの推進要因の中で、成人期への移行が鍵となります。^{[ 54 ]}より最近の出生コホートでは、個人のライフコースに沿ったこの重要な段階は、経験するイベントの数と状態期間の長さの増加を意味しました。たとえば、多くの人が親元を離れて親になることへの移行を延期し、ある状況では同棲が長期的な生活形態として結婚に取って代わり、第一子の誕生は結婚ではなく同棲中に起こることが多くなりました。^{[ 55 ]}出生コホート間で定量的指標を比較できるようにするためには、このような複雑さを測定する必要があった^{[ 11 ] [ 56 ]} ( ^{[ 57 ]を参照)}（この質問を低・中所得国の人口にまで拡張するため）。人口統計学の昔からの目標である「家族人口統計」の開発は、シーケンス分析によって、他の分野との交差点にある研究課題に取り組むための強力なツールを見出しました。たとえば、マルチチャネル技術^{[ 58 ]}は、仕事と家庭生活の両立の問題に取り組むための貴重な機会となります。^{[ 59 ] [ 37 ]}同様に、シーケンス分析とイベント履歴分析のより最近の組み合わせが開発されており（レビューについては^{[ 36 ]}を参照）、たとえば、人口転換と健康の関連性を理解するために適用できます。

政治学の領域における時間的プロセスの分析^{[ 60 ]}は、制度、すなわち、政治的相互作用を具体化し、法的制約を形式化し、ある程度の安定性または慣性を課すシステムや組織（政権、政府、政党、裁判所など）がどのように機能するかを考察する。特に重要なのは、第一に、傾向や出来事に意味を与える文脈の役割であり、共有された文脈は共有された意味を提供する。第二に、時間の経過に伴う権力関係の変化、それに続く非対称性、階層、対立、または紛争。そして最後に、選挙、事故、就任演説、条約、革命、停戦など、軌跡を形作ることができる歴史的出来事である。経験的には、政治的シーケンスの分析単位は、個人、組織、運動、または制度的プロセスである。分析単位によっては、サンプルサイズは数件に限定される場合（例えば、地方政党の時系列的な変化を考慮する場合の国内の地域）もあれば、数百件に及ぶ場合もある（例えば、個人の投票パターン）。政治的シーケンスは大きく3種類に分けられる。1つ目は最も一般的なキャリアであり、これは議会、内閣、行政、政党、労働組合、企業組織などの制度的環境において個人が昇進していく、形式的で主に階層的な地位である。[ ^{61 ] [ 62 ] [ 63 ]さまざまな活動や社会運動を横断して進化する活動家[ 64 ] [ 65 ]や、連続する世論調査を通じて政治的およびイデオロギー的景観をナビゲートする有権者[ 66 ]}など、より非公式で流動的な文脈で展開する政治的シーケンスを軌跡と呼ぶことができる。^最後に、プロセスは^、異なる分野にわたる連続する政策段階を通じて展開する公共政策など、個人以外のエンティティに関連する。^{[ 67 ]}外交および軍事の文脈における国家および国際アクター間の象徴的または具体的な相互作用のシーケンス。^{[ 68 ] [ 69 ]}および、民主主義への国の道筋などの組織または制度の発展（ウィルソン 2014）。^{[ 70 ]}

アライメントルールが与えられれば、一連の配列は表形式で表現でき、行と列は配列内の位置に対応します。

断面分布のシーケンス

このようなデータを説明するために、列に着目し、連続する位置における断面的な状態分布を検討することができる。

一連のシーケンスのクロノグラムまたは密度プロットは、これらの連続的な断面分布を示す。

各（列）分布について、エントロピーやモード状態などの特性を計算し、これらの値が位置によってどのように変化するかを調べることができます（^{[ 5 ]} 18～21ページを参照）。

個々の配列の特徴

あるいは、行を見ることもできます。各シーケンスが水平に積み重ねられた棒グラフまたは線として表されるインデックスプロット^{[ 73 ]は、個々のシーケンスを表示するための基本的なプロットです。}

個々の配列の特性を計算し、これらの特性の横断的な分布を調べることができます。

個々のシーケンスの主な指標^{[ 32 ]}

• 基本的な対策
  • 長さ
  • 訪問した州の数
  • 遷移数（連続する異なる状態のシーケンスの長さ、DSS）
  • 部分列の数^{[ 11 ] [ 74 ]}
  • 再発^{[ 56 ]}
• 多様性
  • シーケンスエントロピー内^{[ 5 ]}
  • 呪文持続時間のばらつき^{[ 11 ] [ 32 ]}
• 配列構造の複雑さ
  • 変動性^{[ 75 ]}
  • 複雑性指数^{[ 76 ]}
  • 乱流^{[ 11 ] [ 32 ]}
• 国家の性質を考慮した措置
  • 規範的変動性^{[ 15 ]}、すなわち正の期間の割合。
  • 統合指標^{[ 15 ]は品質指標[ 77 ]}とも呼ばれる。
  • 劣化^{[ 32 ]}
  • 悪さ^{[ 32 ]}
  • 不安定性指数^{[ 78 ]}
  • 不安感^{[ 32 ]}

状態系列はグラフィカルに美しく表示でき、このようなプロットは解釈に役立ちます。上記のように、基本的なプロットは、個々の系列を表示するインデックスプロットと、時間軸に沿った断面状態分布の推移を表示するクロノグラムの2つです。クロノグラム（状態比率プロットまたは状態分布プロットとも呼ばれます）は系列の多様性を完全に無視しており、インデックスプロットは読みにくいほど散在していることがよくあります。相対頻度プロットと代表系列プロットは、クロノグラムの過度の単純化に陥ることなく、インデックスプロットの読みやすさを向上させようとしています。さらに、系列の特定の特性に焦点を当てたプロットも多数あります。以下は、大規模な系列セットを表示するために文献で提案されているプロットの一覧です。各プロットについて、それを生成するソフトウェアの例を示します（詳細は「ソフトウェア」の項を参照）。

• インデックスプロット: 個々のシーケンスのセットをレンダリングします^{[ 73 ]} (SADI、SQ、TraMineR)
• クロノグラム（状態割合プロット、状態分布プロット）：断面分布のシーケンスを表示します^{[ 79 ]}（SADI、SQ、TraMineR）
• マルチドメイン/マルチチャネル配列をチャネルごとにグループ化したプロット^{[ 58 ] [ 39 ]}（TraMineR、seqHMM）または個体ごとにグループ化したプロット^{[ 64 ]}
• 断面指標（エントロピー、^{[ 79 ]}モーダル状態など）の時系列プロット（SQ、TraMineR）
• 頻度プロット（SQ、TraMineR）
• 相対頻度プロット^{[ 80 ]}（TraMineR）
• 代表的な配列^{[ 31 ]} (TraMineR)
• 各状態における平均所要時間と標準誤差（TraMineR）
• 州生存プロット（TraMineRextras）
• 位置ごとのグループ典型的な状態、つまり、最も高い含意強度を持つ状態^{[ 81 ]}（TraMineRextras）
• 遷移パターン^{[ 4 ]}（SADI）
• 遷移プロット^{[ 82 ]}（SQ; Gmisc ^{[ 83 ]}）および遷移確率プロット^{[ 39 ]}（seqHMM）
• 平行座標プロット^{[ 84 ] [ 29 ]} (TraMineR、SQ)
• 確率的接尾辞木^{[ 38 ]} (PST)
• シーケンスネットワーク^{[ 27 ] [ 85 ]} (ソーシャルネットワーク分析、ソーシャルネットワーク分析ソフトウェアを参照)
• 物語ネットワーク^{[ 48 ]} (ソフトウェア?)

配列間のペアワイズ不類似度は配列を比較するために用いられ、多くの高度なSA手法はこの不類似度に基づいています。最も一般的な不類似度尺度は最適マッチング（OM）であり、これは挿入または削除（indel）操作と置換操作によって一方の配列を他方の配列に変換する最小コストであり、これらの基本操作のコストは関係する状態によって異なります。SAはOMと非常に密接に関連しているため、最適マッチング分析（OMA）と呼ばれることもあります。

類似度尺度は大きく分けて3つのカテゴリーに分類されます。^{[ 86 ]}

• 最適なマッチングとその他の編集距離
  • 例: OM、^{[ 87 ] [ 2 ]} OMloc (ローカライズド OM)、^{[ 88 ]} OMslen (スペル長に敏感な OM)、^{[ 89 ]} OMspell (スペル シーケンスの OM)、^{[ 86 ]} OMstran (遷移のシーケンスの OM)、^{[ 90 ] [ 86 ]} TWED (タイム ワープ編集距離)、^{[ 91 ] [ 92 ]} HAM (ハミングと一般化ハミング)、^{[ 93 ] [ 86 ]} DHD (動的ハミング)。^{[ 94 ]}
  • 置換コストと挿入・欠失コストを設定するための戦略
    • 一定のコスト（すべての置換コストが同一で、単一の挿入・欠失コスト）
    • 理論に基づくコスト
    • 特徴ベースのコスト^{[ 88 ]}
    • ^{データ駆動型コスト：遷移確率[ 95 ]}または状態頻度^{[ 86 ]}に基づく
• 共通属性の数に基づく指標
  • 例: LCS (最長共通部分列の長さから派生)、LCP (最長共通接頭辞の長さから派生)、NMS (一致する部分列の数)、^{[ 96 ]}、および NMS の 2 つの変種である NMSMST と SVRspell。^{[ 97 ]}
• シーケンス内の状態分布間の距離
  • 例: CHI2 と EUCLID は、それぞれ連続するスライディング ウィンドウ内の状態分布間のカイ二乗距離とユークリッド距離の平均として定義されます。^{[ 98 ] [ 86 ]}

配列間のペアワイズ類似度を用いることで、配列データの全体的な構造特性を明らかにするための様々な手法が可能になります。特に、配列間の類似度はクラスタリングアルゴリズムや多次元尺度構成法への入力として利用できるだけでなく、メドイドやその他の代表的な配列を特定したり、近傍を定義したり、一連の配列の差異を測定したり、ANOVAのような分析を実行したり、回帰木を構築したりすることも可能です。

• クラスター分析
  • 記述的：主要な配列パターンの特定。
  • 回帰分析における従属変数または独立変数としてのクラスター：関心のある他の変数との関係の研究。
• 多次元尺度構成法（主座標）：数列の数値表現。
• 不一致（ANOVAのような）分析^{[ 30 ] [ 99 ]}
  • ANOVAのような分析のシーケンス^{[ 30 ]}
• 回帰木^{[ 100 ] [ 30 ]}
• 代表的な配列^{[ 31 ]}
• 外れ値と異常なシーケンス^{[ 101 ]}
• 複数のドメイン（マルチチャネル分析）^{[ 58 ] [ 102 ] [ 16 ] [ 103 ] [ 104 ] [ 105 ] [ 106 ]}
• 二項および多項配列データ^{[ 107 ] [ 108 ]}

類似性に基づく手法は、全体的な視点を維持できるという点で社会的状況認識において中心的な役割を果たしているが、シーケンスデータの分析には他にもいくつかの手法が有用であることが証明されている。

• 非類似度に基づくクラスタリング
  • 潜在クラス分析（LCA）、^{[ 109 ] [ 110 ] [ 111 ]}
  • マルコフモデル混合^{[ 112 ]}および隠れマルコフモデル混合^{[ 39 ]}
  • 指数距離モデルの混合^{[ 113 ]}
• シーケンスネットワーク^{[ 114 ] [ 27 ] [ 115 ]}
  • 単一のシーケンスをネットワークとして表現する
  • 配列のメタネットワーク
  • シーケンスネットワークの尺度
  • 生活史グラフ^{[ 116 ]}
• 確率論的アプローチ
  • マルコフ過程およびその他の遷移分布モデル。^{[ 117 ] [ 39 ]}マルコフモデルも参照。
  • 確率的接尾辞木（PST）^{[ 38 ]}は、可変次数マルコフモデルまたは可変長マルコフモデルとしても知られています。
• イベントシーケンス
  • イベント構造モデル^{[ 118 ] [ 119 ]}
  • イベントシーケンスのレンダリング（平行座標プロットなど）^{[ 29 ] [ 84 ]}
  • 頻繁に発生する部分系列
  • 判別部分列^{[ 120 ]}
  • イベントシーケンスの非類似性に基づく分析^{[ 120 ]}
  • 深層ニューラルネットワークによる表現学習^{[ 121 ]}

最近の進歩のいくつかは、SA の第三の波と見なすことができます。^{[ 33 ]}この波は、SA を分散分析、イベント履歴、ネットワーク分析、因果分析、一般的な統計モデリングなどのより確立された方法と共同で適用することにより、確率的モデリング文化とアルゴリズム的モデリング文化を統合しようとする努力によって大きく特徴付けられています。いくつかの例を以下に示します。また、「その他の分析方法」も参照してください。

• 過去の軌跡がイベントの危険性に与える影響：シーケンス履歴分析、SHA ^{[ 122 ]}
• 時間変動共変量が軌跡に及ぼす影響：競合軌跡分析（CTA）^{[ 123 ]}およびシーケンス分析多状態モデル（SAMM）^{[ 124 ]}
• 配列データのクラスターの検証^{[ 125 ] [ 126 ]}
• 質的比較分析（QCA）に時間を取り戻すための不一致分析^{[ 127 ]}
• タイミングエラーがSAの結果に及ぼす可能性のある影響を評価する。^{[ 128 ]}
• 非常に大規模なシーケンスデータセットのクラスタリング^{[ 129 ]}

SA（構造分析）には、20年前に提起された問題に対処する方法論的な貢献が着実に流入しているものの、^{[ 28 ]}いくつかの差し迫った未解決の問題が残っている。^{[ 36 ]}最も困難な問題としては、以下が挙げられる。

• 長さの異なるシーケンス、切り詰められたシーケンス、および欠損値。^{[ 35 ] [ 130 ] [ 131 ] [ 132 ]}
• シーケンスの長さと最近の重要性：たとえば、1歳から40歳までの40年間の伝記シーケンスを分析する場合、40年前に生まれた個人しか考慮できないため、より若い出生コホートの行動は無視されます。^{[ 124 ]}

最新の進歩、方法論に関する議論、および関連する最近の出版物に関する情報は、配列解析協会のウェブページで入手できます。