Index
統計基礎
統計手法
統計実践
数学的なこと
統計ソフト
統計データ
New!
参考書一覧
文献一覧
サンプルデータ
サイト内検索
AND検索
OR検索
講義概要
シラバス
最新の20件
2022-05-10
Book/1314
Book/1313
Book/1028
InterWikiName
因子分析/パターン行列が1を超える
2022-01-23
統計データ
2021-09-28
Data/Fisherの直接確率法
2019-04-26
統計基礎
統計手法
MemberPage
2018-10-09
共分散構造分析/モデル評価/カイ二乗
2018-09-20
R/クローンバックのα
R/因子分析
2018-05-23
因子分析/回転
Book/1312
Book/1311
2018-04-24
アンバランスな分散分析
2017-06-20
Cronbachのα係数
バイアス/入学試験による選抜効果
バイアス
豊田(2014).共分散構造分析 R編―構造方程式モデリング
看護大図書館:
概要
第1章 共分散構造分析前夜
1.1 多変量データ
1.1.1 多変量データ
1.1.2 多変量データの行列による表現
1.2 尺度水準
1.2.1 名義尺度(質的)
ダミー変数・カテゴリカル変数
1.2.2 順序尺度(質的)
1.2.3 間隔尺度(量的)
1.2.4 比率尺度(量的)
1.2.5 尺度水準の高さ
1.3 図による要約
1.3.1 ヒストグラム
1.3.2 散布図
1.4 データの代表値
1.4.1 最頻値
1.4.2 平均値
1.4.3 中央値
1.5 分散・標準偏差・共分散
1.5.1 分散
1.5.2 標準偏差
1.5.3 共分散
1.6 データの標準化・相関係数
1.6.1 標準化
1.6.2 相関係数
1.7 探索的因子分析1
1.7.1 探索的因子分析モデルにおける仮定
1.7.2 単純構造
1.7.3 推定
1.8 探索的因子分析2
1.8.1 解の回転
1.8.2 解の回転は斜交解で
1.8.3 因子スコア
1.9 探索的因子分析3
1.9.1 因子数の推定
1.9.2 スクリープロット
1.9.3 目安の因子数±1による分析
1.9.4 適合度指標
RMSEA
ベイジアン情報量規準
1.10 練習問題・付録
1.10.1 語句説明問題
1.10.2 実践問題
1.10.3 解答
語句説明解答
実践問題解答
1.10.4 付録
第2章 速習共分散構造分析
2.1 共分散構造分析とは
2.2 共分散構造分析の手順
2.2.1 研究仮説の構築
2.2.2 仮説を反映したモデルの表現
2.2.3 母数の推定
2.2.4 モデルの評価・結果の解釈
2.3 モデルの表現1
2.3.1 変数の分類
2.3.2 測定方程式と構造方程式
2.4 モデルの表現2
2.4.1 測定方程式(=~)
2.4.2 構造方程式(~)
2.4.3 共変関係(~~)
2.4.4 スクリプトをまとめる
2.5 母数の推定
2.5.1 データの読み込み
2.5.2 分析の実行
2.6 モデルの評価
2.6.1 適合度指標
2.6.2 標準誤差・母数の検定・信頼区間
2.7 分析結果の解釈
2.8 有益な付加的分析
2.8.1 構成概念スコア
2.8.2 パス図の出力
2.9 レポート作成例
2.9.1 チェックリスト
2.10 練習問題
2.10.1 問題
2.10.2 解答
第3章 さまざまなパス図の描画
3.1 パス解析
3.1.1 逐次モデル
3.1.2 非逐次モデル
3.2 関数semPaths() の引数
3.3 多変量回帰分析
3.4 MMICモデル,PLSモデル
3.5 2次因子分析モデル,階層因子分析モデル
3.6 1因子分析モデルによる信頼性係数の推定
3.7 多特性多方法行列のための加法モデル
3.8 構成概念間の因果モデル
3.9 練習問題
3.9.1 問題
語句説明問題
実践問題
3.9.2 解答
第4章 上級者を目指して
4.1 データ診断(歪度・尖度)
4.2 関数lavaan() による表現
4.3 関数sem() の引数
4.4 モデルの詳細な情報(その1)
4.4.1 「セミナーデータ」のモデルの共分散行列
4.4.2 残差行列
4.4.3 母数推定値の共分散行列
4.5 モデルの詳細な情報(その2)
4.6 モデルの詳細な情報(その3)
4.6.1 初期値の参照
4.6.2 モデルの相関行列
4.6.3 決定係数の出力
4.7 母数に関する制約
4.7.1 固定母数
4.7.2 母数のラベル
4.7.3 等値制約
4.7.4 不等式制約
4.8 間接効果と総合効果
4.9 修正指標とワルド検定
4.9.1 修正指標
4.9.2 ワルド検定
4.10 練習問題
4.10.1 問題
語句説明問題
実践問題
4.10.2 解答
語句説明問題
実践問題
第5章 平均共分散構造分析
5.1 平均共分散構造分析とは
5.1.1 重回帰分析
5.1.2 lavaan を利用した重回帰分析
5.2 平均構造のあるパス解析
5.2.1 観測変数のみの場合
5.2.2 構成概念間のパス解析
5.3 縦断データの因子分析1
5.3.1 使用データ
5.3.2 モデル
5.4 縦断データの因子分析2
5.4.1 モデル1:配置不変モデル
5.4.2 モデル2:弱測定不変モデル
5.4.3 モデル3:強測定不変モデル
5.4.4 モデル4:厳密な測定不変モデル
5.4.5 モデル5:全母数が等しいモデル
5.4.6 モデル比較
5.5 縦断データの因子分析3
5.5.1 モデル比較のための関数
5.5.2 分析の実行
第6章 多母集団同時分析
6.1 多母集団同時分析とは
6.1.1 母集団別分析との違い
6.1.2 使用データ
6.2 等値制約
6.2.1 モデル1:配置不変モデル
6.2.2 モデル2:弱測定不変モデル
6.2.3 モデル3:強測定不変モデル
6.2.4 モデル4:厳密な測定不変モデル
6.2.5 モデル5:全母数が等しいモデル
6.2.6 分析の手順
6.3 1因子モデルの分析例
6.3.1 モデル比較
6.3.2 母数の推定
6.4 2因子モデルの分析例
6.4.1 モデル比較
6.4.2 母数推定と結果の解釈
6.5 共分散行列からの分析
6.5.1 使用データ
6.5.2 分析
第7章 カテゴリカル変数の分析
7.1 カテゴリカル変数の分析
7.1.1 外生変数である場合
7.1.2 内生変数である場合
7.2 順序カテゴリカル変数の分析
7.2.1 カテゴリー化の影響
7.2.2 推定の前提と実際のデータ
7.2.3 実際の分析手順
7.3 分析の背景
7.3.1 観測されない連続量と閾値の設定
7.3.2 カテゴリー数の影響
7.4 通常の因子分析の適用
7.4.1 4値と5値の順序カテゴリー
7.4.2 非対称な閾値
7.5 歪みのあるデータの分析
7.5.1 分布の歪みとその評価
7.5.2 非正規データへの因子分析
第8章 テスト理論
8.1 古典的テスト理論
8.1.1 真の得点と測定の誤差
8.1.2 平行テストとタウ等価テスト
8.1.3 同族テスト
8.2 古典的テスト理論と因子分析
8.2.1 因子分析モデルとの対応
8.2.2 信頼性係数
8.2.3 得点の合計の信頼性
8.3 信頼性係数の推定
8.3.1 関数reliability() の利用
8.3.2 関数reliabilityL2() の利用
8.4 モデル制約による信頼性の推定
8.4.1 信頼性の評価とα係数の前提
8.4.2 制約によるテストモデルの表現
8.5 項目反応モデルと因子分析
8.5.1 IRTとカテゴリカル因子分析
8.5.2 閾値の表現
第9章 検定力分析
9.1 検定力分析とは
9.1.1 調査計画と標本数
9.1.2 効果量と検定力分析
9.2 χ2検定と検定力
9.2.1 共分散構造分析のχ2検定
9.2.2 検定力の定義
9.3 RMSEAとχ2分布の関係
9.3.1 RMSEAと効果量
9.3.2 関数plotRMSEAdist() の引数
9.3.3 関数によるχ2分布の描画
9.4 検定力の求め方
9.4.1 関数findRMSEApower() の引数
9.4.2 関数による検定力の算出
9.4.3 さまざまな仮説
9.4.4 関数による検定力の算出
9.5 標本数の決定法
9.5.1 関数findRMSEAsamplesize()
9.5.2 関数による標本数の決定
9.6 検定力関数
9.6.1 関数plotRMSEApower()
9.6.2 関数による検定力関数の描画
9.7 ネストモデルの検定力分析
9.7.1 ネストモデルの尤度比検定
9.7.2 対立仮説の非心度
9.7.3 関数findRMSEApowernested()
9.7.4 関数による検定力の算出
9.7.5 関数findRMSEAsamplesizenested()
9.7.6 関数plotRMSEApowernested()
9.8 検定力分析の留意点
9.8.1 「事後の分析」・「明日への分析」
第10章 大規模調査のSEM
10.1 さまざまな標本抽出法
10.1.1 集落抽出法
10.1.2 多段抽出法
10.1.3 層化抽出法
10.2 標本抽出法とデータの独立性
10.2.1 データの独立性が損なわれる場合
10.2.2 重みづけ
10.3 関数lavaan.survey()
10.3.1 関数svydesign()
10.3.2 svydesign() の使い方
10.3.3 関数lavaan.survey()
10.4 多段抽出データの分析例
10.4.1 抽出法
10.4.2 Rでのデータの準備
10.4.3 関数svydesign() の指定
10.4.4 モデルの指定と実行
第11章 ブートストラップ法
11.1 ブートストラップ法とは
11.1.1 リサンプリング
11.1.2 バイアスの修正
11.1.3 信頼区間の算出
11.1.4 適合度に関する問題と修正
11.2 ブートストラップ法に用いられる関数
11.3 ブートストラップ法の具体例
第12章 SEMの下位モデルとしての成長曲線モデル
12.1 成長曲線モデルとは
12.1.1 成長曲線モデルで扱うデータ
12.1.2 成長曲線モデルの概要
12.1.3 予測変数のある成長曲線
12.1.4 2次の成長曲線モデル
12.2 成長曲線モデルに用いる関数
12.3 成長曲線モデルの具体例
12.3.1 直線的な成長曲線モデルの具体例
12.3.2 予測変数のある成長曲線モデルの具体例
12.3.3 2次の成長曲線モデルの具体例
第13章 交互作用モデル
13.1 交互作用とは
13.1.1 連続的な観測変数間の交互作用
13.1.2 連続的な潜在変数間の交互作用
13.2 交互作用モデルに用いる関数
13.3 交互作用モデルの具体例
第14章 適合度指標
14.1 共分散構造分析の適合度
14.1.1 適合度指標を出力する方法
14.1.2 適合度指標との付き合い方
14.2 推定の尤度に基づくχ2検定
14.3 モデルの推定精度に基づく指標
14.4 非心度に基づく指標
14.5 独立モデルとの比較による指標
14.6 倹約度および情報量規準
14.7 モデルの比較
第15章 欠測値の取り扱い
15.1 データの欠測とその対処
15.1.1 欠測メカニズム
15.1.2 欠測メカニズムごとの対処方針
15.2 リストワイズ削除
15.3 完全情報最尤推定法
15.4 多重代入法
15.5 補助変数の利用
15.5.1 FIMLにおける補助変数の利用
15.5.2 多重代入における補助変数の利用
第16章 推定法
16.1 推定とは
16.2 主要な推定法のオプション
16.2.1 最尤推定法 (estimator="ML" )
16.2.2 重みなし最小2乗法(estimator = "ULS")
16.2.3 重み付き最小2乗法(estimator = "WLS")
16.2.4 一般化最小2乗法(estimator = "GLS")
16.2.5 対角重み付き最小2乗法 (estimator = "DWLS")
16.3 頑健性を考慮した補正
第17章 3次積率を利用した単回帰分析
17.1 SEMの下位モデルとしての単回帰モデル
17.1.1 単回帰モデル
17.1.2 平均構造と共分散構造
17.1.3 母数推定の概要と自由度
17.1.4 積率とは
17.2 単回帰における3次積率の利用
17.2.1 3次積率の意味
17.2.2 3次積率単回帰モデル
17.2.3 3次積率構造
17.2.4 3次積率の利用と自由度
17.3 3次積率単回帰モデルの推定
17.3.1 ADF3推定
最小化基準
漸近共分散
17.3.2 ゴルトンの親子の身長データの分析
17.4 分析の実際1
17.4.1 誤差の3次積率の扱い
17.4.2 4つのモデル比較
17.4.3 さまざまな出力結果1
非標準化推定値
標準化係数
17.5 分析の実際2
17.5.1 さまざまな出力結果2
基本情報
通常回帰
重み行列
17.5.2 気温と消費電力データの分析
第18章 3次積率を利用したさまざまな2変数モデルの分析
18.1 1因子共通変動モデル
18.1.1 変数の中心化
18.1.2 モデル表現
18.1.3 積率構造
2次積率構造
3次積率構造
18.1.4 モデルのバリエーションと母数
18.1.5 分析例
18.2 2因子共通変動モデル
18.2.1 モデル表現
18.2.2 積率構造
2次積率構造
3次積率構造
18.2.3 モデルのバリエーションと母数
18.2.4 分析例
18.3 双方向モデル
18.3.1 モデル表現
18.3.2 積率構造
2次積率構造
3次積率構造
18.3.3 モデルのバリエーションと母数
18.3.4 分析例
18.4 因子+単回帰モデル
18.4.1 モデル表現
18.4.2 積率構造
2次積率構造
3次積率構造
18.4.3 モデルのバリエーションと母数
18.4.4 分析例
18.5 分析の実際
18.5.1 関数ADF3var2()
18.5.2 まとめ
第19章 OpenMx を用いた共分散構造によるモデルの特定
19.1 モデル特定の3つの方法
パス図による表現
方程式による表現
共分散構造による表現
OpenMx の導入
19.2 直積モデル
19.2.1 直積モデル
19.2.2 スクリプトとOpenMx の文法
19.2.3 分析結果
19.3 PARAFACモデル
19.3.1 PARAFACモデルとは
19.3.2 スクリプトとOpenMx の文法
19.3.3 分析結果
19.4 イプサティブ因子分析
19.4.1 イプサティブ変数の共分散行列
19.4.2 イプサティブ変数の共分散構造
19.4.3 分析例(2因子モデル)
19.4.4 スクリプト
19.5 多変量遺伝ACEモデル
19.5.1 モデル構成と共分散構造
19.5.2 「4種類の疾患データ」への適用例
19.5.3 スクリプト
19.6 グラフィカルモデリング
19.6.1 偏相関係数
19.6.2 グラフィカルモデリング
19.6.3 スクリプト
19.6.4 分析結果
第20章 応用研究紹介
付録A Onyxを用いたモデルの作り方
A.1 Onyxについて
A.1.1 本章でのOnyxの用い方
A.1.2 入手方法
A.2 起動から終了まで
索引