グラフィカル多変量解析 ---目で見る共分散構造分析---- 践編：.pptVIP

グラフィカル多変量解析----目で見る共分散構造分析----実践編：多重指標のススメ 低い相関を高める方法 反復測定 希薄化修正モデルの応用 共分散構造モデルの中で探索的因子分析を実行する 検証的因子分析の実際 モデル探索の方法 到達したモデルの吟味 まとめ アンケート項目「好きなタレント１０１人（NHK放送文化研究所出版）」を参考にして２３名のタレント選んだ データ アンケート実施日：4月17日，24日講義時間中約１５分 被験者：大阪大学人間科学部?文学部１年生配当の共通教育科目「統計学」の履修者：１５６名（１７日）１４４名（２４日） 場所：共通教育機構 A212，A202 講義室 両日とも同一のアンケートを実施 今回は女子大生による女性タレントのデータを分析する（８３名） 反復測定---- データの再現性はどのくらい？ ---- タレント好感度データ：２回分 標本誤差と測定誤差 広い畑の窒素含有量を調べる 標本誤差：どの地点を選ぶか 測定誤差：化学分析をするときの誤差（分析誤差） 社会調査（世論調査） 標本誤差：誰を選ぶかによる誤差 測定誤差：回答の不安定性，心の揺れによる変動 測定誤差を取り除く 反復測定 希薄化修正モデル標準解 相関係数の比較 なぜ修正できるか？ 種々のモデル規定１ 測定モデルの設定：パス係数＝１ or NOT 入力ファイル 種々のモデル規定２ 測定モデルの設定：誤差分散の等値 or NOT 種々のモデル規定３ 方法（ブロック）因子の導入 測定時期，測定方法，測定者．．． 因子相関モデル 希薄化修正後の相関行列 希薄化修正の効果 グラフィカル多変量解析----目で見る共分散構造分析----実践編：多重指標のススメ 低い相関を高める方法 反復測定 希薄化修正モデルの応用 共分散構造モデルの中で探索的因子分析を実行する 検証的因子分析の実際 モデル探索の方法 到達したモデルの吟味 まとめ 女子大学生による女性タレント評価の分析結果 女子大学生による女性タレント評価の分析結果 （探索的因子）分析の実行方法 推定は多段階に分けない方がよい（変換はよい） Φ＞０ でないことがある 探索的因子モデルの適合度を検討しにくい より良い（探索的因子）分析方法 パス図で描くと EQS 入力ファイルの作成 SASによる因子回転の入力ファイル DATA work(TYPE=FACTOR); INPUT _TYPE_ $ _NAME_ $ X1-X12; LABEL X1=‘松本’ X2=‘森口’ X3=‘和田’ X4=‘久本’ X5=‘飯島’ X6=‘山口 X7=安室 X8=常盤 X9=江角 X10=二谷 X11=松 X12=広末 ; CARDS; PATTERN F1 .816 .636 .624 .470 .225 .247 -.029 .008 .102 .224 .345 .016 PATTERN F2 0 .137 -.101 .079 .654 .608 .397 .524 .519 .025 .263 .061 PATTERN F3 0 0 -.241 -.359 -.420 .117 -.293 -.14 .456 .735 .463 .212 ; run; PROC FACTOR DATA=work method=pattern rotation=varimax reorder; run; グラフィカル多変量解析----目で見る共分散構造分析----実践編：多重指標のススメ 低い相関を高める方法 反復測定 希薄化修正モデルの応用 共分散構造モデルの中で探索的因子分析を実行する 検証的因子分析の実際 モデル探索の方法 到達したモデルの吟味 まとめ 探索的分析部分を検証的分析へ 因子相関モデル 初期モデル モデル探索１LM検定（修正指標） モデル探索２LM検定（修正指標） モデル探索３LM検定（修正指標） モデル探索４LM検定（修正指標） LM 検定はいつ終了させるのか？ 内容的吟味 統計的基準 χ^2(0.05)=3.841 χ^2(0.005)=7.882…..default of LISREL スクリープロットの要領で 飛びぬけて大きな統計量がなくなるまで続ける 誤差相関ははっきりとした解釈ができるときのみ導入する 最終モデル１ 最終モデル２ 出力の見方とモデルの最終吟味 引いたパスの有意性（ワルド検定） パスを引かなかったところの非有意性（LM検定） 標準誤差（SE）の大きさが揃っていること 出力の見方とモデルの最終吟味 出力の見方とモデルの最終吟味 モデルの最終チェック まとめ：