行動系幹事教授 吉田光雄
要旨：時系列解析は，ファイナンス分野で収益やリスクの管理に使用される統計モデルである．大きなお金の動く場面で使用されることが多く，応用的関心や現実的要求が強い手法である．近年，SEM と時系列解析の関係が論じられ，時系列データを SEM で分析することの有効性が示されてきた．本発表では，まず前半で SEM による時系列解析の入門的な内容を紹介する．例えば銀行株，繊維株といういい方があるように，決まった業種で似たような株価の変動が見られる場合が有る．同じ業界で似たような値動きをする複数の株の背後に「銀行株」「繊維株」のように業種名を命名した潜在変数を設定することは有効かもしれない．後半ではこのような多変量時系列データを分析する時系列因子分析法を論じる．注：SEMとは Structural Equation Modeling のことで共分散構造分析の別称である(狩野) 。
ABSTRACT: Many authors have built on the research of Kenny and Judd (1984) to provide full information estimators of models that include interactions of latent variables in Structural Equation Models (SEM). Despite the value of these works, they are limited by the required distributional assumptions, by their complexity in implementation, by convergence problems, and by questions about their distributional properties. This paper provides a framework for analyzing SEMs that include nonlinear functions of latent variables. It permits such nonlinear functions in equations that are part of latent variable models or measurement models. I estimate the coefficient parameters with a two-stage least squares estimator that is consistent and asymptotically normal with a known asymptotic covariance matrix. The observed random variables can come from nonnormal distributions. Several hypothetical cases and an empirical example illustrate the method.
要旨：多くの質問項目を含むアンケート調査の結果を分析する場合，分析すべき（観測）変数は事前には決まっていない．このような状況では，どの変数を取り込んで分析を行うべきかの決定は，分析の中で最も重要でかつ最も悩ましいプロセスとなる．本講演では，このような状況下で因子分析を行うとき，どのような考えの下で変数を選択すべきかを議論し，さらに，最近我々が開発した変数選択のための指標を紹介する．これを用いると，回帰分析のステップワイズ法の要領で極めて簡単に変数選択することができる．
不明な点などがありましたら場合は，吉田（06-879-8051） または狩野(06-879-8052; kano@hus.osaka-u.ac.jp)までご連絡頂ければ幸いです．
狩野 裕（大阪大学人間科学部）