异文化言语评価论ⅠA.PDFVIP

異文化言語評価論ⅠA 平成26 年6 月11 日 第6 章 分散分析の応用（共分散分析と多変量分散分析） 報告者： C.O. T.N. §６－１共分散分析とは 共分散分析(analysis of covariance: ANCOVA) ：共変量を用いて、より正確なグループ間の 比較を行う分析方法。 ■6-1-1 共変量 共変量(covariate) ：従属変数に影響を与える独立変数とは別に影響を及ぼしていると考えら れる要因で、観測変数(observed variable) の誤差を小さくするための変量。 観測変数の分散＝真の分散＋系統的誤差分散＋偶然誤差分散 →系統的誤差分散が共変量であり、共変量を取り除くことで、より真の分散に近い結果を 出すことができる。 ■6-1-2 共分散分析の前提 (1) 共変量と独立変数の独立性：共変量が本来対象とする独立変数の影響を受けない変数で ある。 →分散分析かt 検定で、共変量を従属変数にして、独立変数の各グループ間に有意差が ないかを調べる。有意差があれば、使用するのに適切でない。 （例）独立変数「授業数」、従属変数「期末テストの得点」、共変量「学習動機」とした 場合、学習動機が高いと勉強量が増え、期末テストの得点が高くなることが考えられる。 →「学習動機」を取り除くと、「授業数」によって説明される「期末テストの得点」の 分散まで取り除かれてしまい、正確な結果が出せない。 (2) 回帰直線の平行性の検定（各水準の回帰直線の傾きが等しい）：独立変数と共変量の間 に交互作用が存在せず、各水準の回帰直線が平行である。(p.114 図6.1) →独立変数と共変量の間の交互作用の有意確立を調べる。5%水準で有意であれば、使 用するのに適切でない。 →平行であれば、共変量が各水準に同じように影響を与えているということがわかる。 (3) 回帰の優位性の検定 ：回帰直線の傾き（回帰係数）が有意である。 →回帰係数がゼロであるという帰無仮説を検証し、回帰係数が5%水準で有意でなけれ ば、使用するのに適切でない。 §６－３多変量分散分析とは 多変量分散分析(multivariate analysis of variance: MANOVA) ：2 つ以上の従属変数（変量） を同時に取り上げて、グループ間の平均値差を調べ、主効果や交互作用を調べることがで きる。 （例）独立変数「早期英語教育経験」、従属変数「英語学習へのやる気」「コミュニケーシ ョン能力」「異文化理解への態度」「リスニング力」などとし、「早期英語教育の必要性」に 関して調査する。 →複数の従属変数を一度に分析に含めることで、複数の側面から検討することができる。 ■6-3-1 多変量分散分析の利点 (1) 独立変数からの影響を受けやすい従属変数を効率的に特定できる。 →複数の従属変数を一度に分析デザインに含めることで、1 変量分散分析を何度も行う ことなく、影響を受けやすい従属変数を特定できる。 (2) 第1 種の過誤(Type I error) を防ぐことができる。 ←1 変量分散分析を使ってそれぞれの従属変数に対する分析を行うと、第 1 種の過誤を 犯す確率が高くなる。ボンフェローニの調整方法で防ぐこともできるが、従属変数が 多い場合、第2 種の過誤(Type II error) を犯す可能性も出てくる。 (3) 球面性(sphericity) の前提がない。 →対応あり要因を含む1 変量分散分析で球面性に問題がある場合に、その変量の各水準 を従属変数と見なして、多変量に切り替えて分析できる。 ■6-3-2 多変量分散分析の前提 (1) 多変量正規性(multivariate normality) ：各要因のそれぞれの水準における複数の従属 変数のデータが正規分布している。 ←外れ値に繊細なため、気がつかないうちに第1 種あるいは第2 種の過誤を引き起