行動工学セミナー(公開)のご案内 続 因子分析と共分散構造分析 ---- 『共通性>1』はどの程度深刻か ---- 行動工学講座 過日の行動談話会で、狩野先生から、因子分析に関して、心理学の者が日頃見過ご していることに関して、重大な指摘がありました。 つまり、これまで主流として使われて来た、主成分分析や主因子法に関して、その 問題点が指摘され、今後は最尤法(ML, Maximum Likelihood Method)が望ましい、 とのことでした。 当日は何気なく聞き過ごしましたが、後日、自分のデータを処理して見て、ことの 重大さに気付きました。先生は、21世紀には因子分析の方法が変わる、と控え目にお っしゃいましたが、もうすぐそこまで来ているようにも思います。 行動工学セミナーとして、もう少し続きの話をして頂き、更に理解を深めたいと思 います。講座外のどなたでも大歓迎ですので、もし、今後因子分析をしてデータ処理 し、論文を発表しようとしている方、例えば院生の皆さんなど、ご参加下さるよう、 ご案内いたします。 日時: 12 月 4 日(木)、4:00 〜 5:00 場所: 213 室(本館 2 階) 内容: 1.問題点の整理、データの例示 吉田 光雄 [データ1] 人間科学部のクラスで採った(豊中、人科1年生、心理学測定受講者 )、”こどものしつけ”に関するデータを処理してみたが、PCAと主因子法では、普 通に解け、内容も素直に考察し、納得できるものであったが、2項目のみに負荷の高 い因子があり、反復主因子法、ML法では communality が1を超えるとして、解けな かった。 こういうとき、解いてはいけないのか、2項目というのが、きつい仮定(現実のデ ータでは十分ありうる)なのか、疑問であり、共通因子の概念を変更しなければなら ない。 [データ2] SD法で歌の印象評価を行ったデータを因子分析したところ、主因子法 で自動的に因子数 m=4 として解けたが、ML法では更に多い因子数を示唆している。 因子数を決める規準として chi-square, AIC など、どれを用いればよいか。 さらに、そもそもML法とは何か。「項目数 q=2 の因子」の不適解が出たとき、そ の取扱いをどうすればよいのか。項目数が少ないとき、q=2 の不適解がどうしても出 るのではないか。また、不適解であることの、数学的証明(なぜ解けないのか。解く 過程で q > 2 を使うのか。少しの工夫で解けないか(ridge 重回帰))。共通因子の 仮定の変更(従来は q=1 しか言われていない)など、話題は尽きません。これらの 問題、さらに発展した問題に関して、狩野先生にコメントして頂きます。 2. コメント、解説 狩野 裕 1.上記の2組のデータ分析に対するコメント 2.最尤法とは 3.モデルの比較とモデルの適合度 4.主成分分析 versus 因子分析