共分散构造分析同値モデルと 道具的変数法，高次モーメントの使用.pptVIP

共分散構造分析と同値モデル 前川研ＰＤ 村山 航 Contents SEM 入門 同値モデルについて Stelzl (1986) Mayekawa (1994) Lee Hershberger (1990) Raykov Penev (1999) 共分散構造分析 (structural equation model; SEM) とは 解の推定メカニズム（１） 変数の測定方程式をモデルから立てる 内生変数を外生変数によって表現 解の推定メカニズム（２） モデルの分散?共分散を母数で構造化 解の推定メカニズム（３） 標本分散?共分散にもっとも近づくように，母数を推定する（最尤法などで） 推定結果 一般的表現（RAM) 補足事項 SEM では観測されない変数（潜在変数）を扱うこともできる。 共分散行列ではなく，相関行列を分散共分散行列とみなして分析もできる 共分散構造分析の強み 適合度に基づいたモデル間比較ができる Contents SEM 入門 同値モデルについて Stelzl (1986) Mayekawa (1994) Lee Hershberger (1990) Raykov Penev (1999) 同値モデル (equivalent model)とは 異なるモデルであるにも関わらず，適合度がまったく同じであるモデル：２つのタイプ ある特定のデータにのみ同値になるモデル群 どのようなデータに対しても同値になるモデル群：以後はこちらを扱う データの情報だけではモデルの違いを識別できない，ということ。 具体例（１） ２変数の場合 “相関は因果関係を意味しない”をＳＥＭで解消できる？ 具体例（２） ３変数の場合 飽和モデル 飽和モデル (saturated model) モデル上のどの２変数も直接のパスでつながっている。 飽和モデルは常に完全フィットを示す：同値モデル 同値モデルのインパクト 研究者が立てた因果モデルとまったく同じ程度 plausible なモデルが他にもある可能性 こうしたモデルは，まったく因果の方向が逆かもしれない (for a review, MacCallum et al., 1993) モデル構築時に，どのような同値モデルがあるのか，その上でなぜこのようなモデルにするのかを説得的に示す必要性 “SEMは因果モデルか”：同値モデルの可能性をすべて排除した上ならば，ある程度因果は主張可能。 同値モデルの見つけ方 基本的な方法の提唱 Stelzl (1986) より包括的?分かりやすい方法を提唱 Lee Hershberger (1990), Hershberger (1994) Mayekawa (1994) 同値モデルかどうかの判別方法を提案 Raykov Penev (1999) Stelzl (1986) の方法 逐次 (recursive) モデルにのみ適用可能 基本的なアイディア SEM のモデル構築は“パスを引かない”制約を置くこと “パスを引かない”ということは，その変数間の偏相関係数を０と制約したことと等しい 従って，パスがない変数間の偏相関の構造を壊さないモデルはすべて等値モデルである 準備：パスモデルを以下の形で表現 全変数を（逐次モデルの）上位－下位の順に並べる パスがない変数間には線を引く （ほぼ）すべての逐次モデルはこの形で表現可能 例 同値モデル作成のルール Rule I パスのない結果変数を境に“境界”を引く 境界で区切られたブロック「内」で変数を入れ替えると，同値モデルができる（交換可能である） 境界をまたがないなら，線でつながる変数は交換可能 例１ 例２ Rule II ある隣接する変数が，同一の変数（群）から“パスがない”とき，その隣接変数は交換可能 例 その他のルール（今回は例なし） Rule III ある変数 M がそれより上位のすべての変数からパスを受けているとき 上位のある変数 E からのパスを除去し，代わりに E と M に誤差相関を仮定しても等価モデルである Rule IV ある隣接する変数 M と N がある（M が上位）。 N にパスがない変数すべてが，M にもパスがないとき，M と N の間のパスを除去し，変わりに M と N に誤差相関を仮定しても等価モデルである。 まとめと限界 逐次モデルで等価モデルを生成するためのルールを，偏相関の観点からはじめて整理して提唱 なお，これらのルールは生成された新たなモデルに繰り返し適用可能（以降のルールも同様） 潜在変数間の関係にも適用可能 必要条件ではないが十分条件 難点 かなり分かりにくい：ランクの変更という形でモデル生成 パスが複雑になるほど適用の難しさが