グラフィカル多変量解析 ----目で见る共分散构造分析----.pptVIP

グラフィカル多変量解析----目で見る共分散構造分析---- 狩野 裕 大阪大学人間科学部 kano@hus.osaka-u.ac.jp http://koko15.hus.osaka-.ac.jp/~kano /application/index.html 本日のメニュー 基礎編．．．次スライド EQSによるデモ 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 グラフィカル多変量解析----目で見る共分散構造分析----基礎編 共分散構造分析とは．使い方３通り 検証的因子分析 vs 探索的因子分析 自然食品店での購買行動の分析例 入力ファイル作成の要点．推定と適合度 共分散構造分析はなぜ難しい？？ まとめ 共分散構造分析とは 直接観測できない潜在変数を導入し，潜在変数と観測変数との間の因果関係を同定することにより社会現象や自然現象を理解するための統計的アプローチ．基本的に非実験多変量データの分析方法で，因子分析と多重回帰分析(パス解析)の拡張． ソフトウェア 潜在変数による相関---- コンセプト ---- どのように利用されるか １．調査項目間の因果関係を調べる （多）重回帰分析（パス解析）モデル ２．調査項目をまとめて単純化（潜在変数化）する 因子分析モデル ３．調査項目をまとめて単純化（潜在変数化）してから因果関係を調べる 典型的な共分散構造モデル １．調査項目間の因果関係を調べる（多）重回帰分析（パス解析）モデル 標準解と標準化しない解 ２．調査項目をまとめて単純化（潜在変数化）する---因子分析モデル--- ３．調査項目をまとめて単純化（潜在変数化）してから因果関係を調べる---典型的な共分散構造モデル--- 潜在変数の導入(単純化)の意義 単純化したものは分かりやすい….次元縮小 （心理学などでの）構成概念の数理モデル 誤差を伴ってしか測定できない状況 測定道具（コスト）の問題 低い相関の補正…..アンケートデータの相関はなぜ低いか ? 実践編 構成概念と次元縮小，多重指標 グラフィカル多変量解析----目で見る共分散構造分析----基礎編 共分散構造分析とは，使い方３通り 検証的因子分析 vs 探索的因子分析 自然食品店での購買行動の分析例 入力ファイル作成の要点．推定と適合度 共分散構造分析はなぜ難しい？？ まとめ CFAとEFAの違い CFA：潜在構造に関する仮説があり，それを検証したいとき EFA:潜在構造に関する仮説がなく，探索したいとき CFAの良さ 解釈がしやすい 因子パターンが簡単 パス（因子負荷量）の有意性?非有意性 多母集団の同時分析ができる 母集団間の因子比較が統計的にできる 因子の平均に関する解析ができる 因子負荷の（非）有意性 予定外の因子負荷 多母集団の同時分析 グラフィカル多変量解析----目で見る共分散構造分析----基礎編 共分散構造分析とは．使い方３通り 検証的因子分析 vs 探索的因子分析 自然食品店での購買行動の分析例 入力ファイル作成の要点．推定と適合度 共分散構造分析はなぜ難しい？？ まとめ グラフィカル多変量解析54-55 グラフィカル多変量解析56-57 グラフィカル多変量解析58-59 グラフィカル多変量解析60 潜在変数のある共分散構造分析チャート 自然食品店での購買行動---- アンケートデータの解析 ---- 自然食品店での購買行動---- データの収集 ---- X1: 食品添加物に気を使う X2: 栄養のバランスに気を使う X3: 自然食料品店での購買額 X4: 自然食料品店での購買回数 解析結果---- 多重指標モデル（標準解） ---- 自然食品店での購買行動---- 不適切なモデルでは ---- グラフィカル多変量解析----目で見る共分散構造分析----基礎編 共分散構造分析とは．使い方３通り 検証的因子分析 vs 探索的因子分析 自然食品店での購買行動の分析例 入力ファイル作成の要点．推定と適合度 共分散構造分析はなぜ難しい？？ まとめ 入力ファイル作成の要点 推定方法のデフォルトは最尤法（ML） 従属変数には方程式を作成 独立変数には分散?共分散を設定 潜在変数の尺度を固定する 潜在変数からのパス係数を一つ１に固定 独立潜在変数は分散を１に固定してもよい 入力ファイル 入力ファイル 推定と適合度復習回帰分析--- データとモデルの距離 --- 推定と適合度共分散構造分析では適合度の吟味は不可欠適合度とはモデルとデータの距離 いくつかの適合度の指標