因子分析，共分散構造分析.pptVIP

* * * * * * * * * * * * * * * * * * * 因子分析，共分散構造分析Factor AnalysisStructural Equations Model 第16章　因子分析 Factor Analysis 　　　　　主成分分析 Principal Components 第17章　共分散構造分析 Structural Equations Model (SEM) 線形構造の図式（ｐ310）Linear Structure 観測変数 Observed V. 潜在変数 Latent V. 誤差項 Error term 重回帰分析 Multiple Linear Regression (複数の観測変数と誤差で目的の観測変数を表現) y x１ x2 e 因子分析 Factor Analysis (複数の観測変数を 共通の潜在変数で表現) y1 y2 y3 f1 f2 e1 e2 e3 主成分分析 Principal Components (複数の観測変数を統合し 集約した潜在変数で表現) x1 x2 x3 h1 h2 e1 e2 線形構造の図式（ｐ310）Linear Structure 観測変数 Observed V. 潜在変数 Latent V. 誤差項 Error term 一般線形構造 General Structure y4 y5 e4 y1 y2 y3 f2 f3 e1 e2 e3 e5 f1 δ3 δ2 Structural Equation Model (SEM), Linear Structure Regression with Latent variables(LISREL) 乱数による人工データの発生（ｐ３２０） 1変数の発生 乱数関数で,必要な個数の乱数を発生させる x - runif(n=100, -3, 3) 一様乱数(個数,区間） y - rnorm(n=100, 50, 10)正規分布(個数,平均,標準偏差) 2変数(相互に相関を持つ)の発生 rho - 0.6, x - rnorm(100，50，10）, e - rnorm(100，0，5） y - rho * x + sqrt(1-rho^2)*e a1 - sqrt(0.6), a2 - sqrt(0.6) x - rnorm(100，50，10）, e1 - rnorm(100，0，5） e 2- rnorm(100，0，5） y1 - a1 *x +sqrt(1-a1^2)*e1 y2 - a2 *x +sqrt(1-a2^2)*e2 乱数による人工データの発生（ｐ328） ３変数以上の発生(任意の相関行列) 独立乱数からなる行列をZとする． 母相関行列をRとする． R=UU　(コレスキー分解)　ただしU：上三角行列 X =ZU+μ　により，目的の人工データができる． サンプルサイズ - 10000 変数の数 - 4 独立変数 - matrix(rnorm(n=サンプルサイズ*変数の数),nrow=サンプルサイズ) 平均行列 - matrix(rep(c(1,2,3,4),サンプルサイズ),nrow=サンプルサイズ,byrow=TRUE) 共分散行列 - matrix(c(1.0, 0.5, 0.4, 0.3, 0.5, 1.0, 0.5, 0.4, 0.4, 0.5, 1.0, 0.5, 0.3,0.4.0.5,1.0), nrow=変数の数) 上三角行列 - chol(共分散行列) 観測値 - 独立変数 %*% 上三角行列 + 平均行列 mean(観測値[,1]) cov(観測値) 因子分析用データの発生（ｐ308）Generation for example data # p308 generation oｆ data for factor analysis set.seed(9999) n - 200 relation - matrix(c(0.09884, 0.17545, 0.52720, 0.73462, 0.45620, 0.72141, 0.47258, 0.17901, 0.07984, 0.37204), nrow=5) indiv - diag(sqrt(c(0.53201,0.254119,0.309986,0.546036, 0.346539))) factpoint - matrix(rnorm(2*n), nrow=2) indivpt - matrix(rnorm(5*n), nrow=5) subjects - round(t(relation%*%factpoint + indiv%*% indivpt)*10