共分散構造分析

NO IMAGE 共分散構造分析

共分散構造分析

定義 共分散構造分析とは「共分散構造」と実際のデータから計算される共分散の値の差が最小化するように母数の値を推定する統計手法の総称である。 「共分散構造」とは、モデルに含まれる母数を使用して、観測変数間の共分散を理論的に表現したもの
NO IMAGE 共分散構造分析

共分散構造分析における変数の分類

共分散構造分析の観点からは変数を3つの観点で分類可能である。 (1) 観測変数 vs 潜在変数 観測変数:直接観測される変数(因子分析なら項目) 潜在変数:直接測定できない変数(因子分析の因子など) (2) 構造変数 vs 誤差変数 構
NO IMAGE 共分散構造分析

共分散構造分析において潜在変数(因子)を使うメリット

共分散構造分析において潜在変数(因子)を使うメリットは主に3点ある。 単なる項目の合計点の代わりに因子を使用することによって、相関の希薄化を免れることができる 因子を使用することによりモデルの自由度が上がり、飽和モデルを回避
NO IMAGE 共分散構造分析

パス図 (path diagram)

同義語 パス図、パスダイアグラム、path diagram 定義 パス図とは、共分散構造分析において変数間の関係を示す図である。パス図に表現された内容がデータに対してあてはめたい統計モデルそのものである。 パス図の書き方 1. 観
NO IMAGE 共分散構造分析

平均共分散構造分析

分散分析における「平均構造」は重回帰分析における「切片」に対応する。 母集団の平均ベクトルを潜在変数の平均で構造化することから命名。 平均構造を解釈する場合は、非標準化推定値を参照する。 具体的な使用例 (1) 縦断データの因子分析 (2)
NO IMAGE 共分散構造分析

平均構造

定義 平均構造とは、観測変数の平均を母数の関数として表現したものである。 共分散構造分析ではモデルに平均構造を含める場合と含めない場合がある。平均構造を平均構造をモデルに含めた共分散構造分析は「平均・共分散構造分析」と呼ばれる。
NO IMAGE 共分散構造分析

モデルの識別性

定義 モデルの識別性とは、共分散構造分析において、モデルの未知母数の推定値が1つに定まるかどうか、という意味である。 共分散構造分析において、モデルから導かれる共分散構造と、観測されたデータの共分散の値を等しいと仮定した連立方程式への適
NO IMAGE 共分散構造分析

同値モデル

定義 同値モデルとは:同じデータに対して、適合度が必ず同じになる複数のモデルのこと。
NO IMAGE 共分散構造分析

MIM、MIMIC、PLSモデル

多重指標モデル(multiple indicator model) 多重指標モデルは構成概念間の回帰分析モデルである。 上記例では、構成概念f2が構成概念f1によって説明されることを仮定している。 MIMICモデル (Multip
NO IMAGE 共分散構造分析

共分散構造分析の適合度指標

共分散構造分析で用いられる代表的な適合度指標を以下にまとめる。 指標  解釈 CFI (comparative fit index) 比較的適合度指標 1に近いほど適合良好 0~1の値を取る TLI (Tucker-Le
NO IMAGE 共分散構造分析

成長曲線モデル (Growth Curve Model, GCM)

同義語 成長曲線モデル(growth curve model)、潜在曲線モデル(latent curve model)、潜在成長モデル(latent growth model)、マルチレベルモデリング、マルチレベル分析、階層線形モデル(h
NO IMAGE 共分散構造分析

縦断データ

縦断データは「時点」×「変数」×「観測対象」の構造になっているデータである。 縦断データは3相データの1種である。
スポンサーリンク