<< 目次へ
最終更新日： 2009.9.11
因子分析モデル
ここでは因子分析モデル、すなわち潜在変数をモデルに組み込むようなモデル解析について紹介する。最も簡単な例として、ある2つの観測変数X1, X2は1つの潜在Fによって説明されるという1因子構造を仮定した検証的な因子分析を行ってみよう。なお、因子分析についての詳しい説明は因子分析モデルの応用のページでしているので、ここではそれほど詳しくやらない。
指定する共分散行列には以下のデータ行列を使用する。
0.8831593 0.2651727 1.2997199 0.1428147 0.4220355 1.3513709 0.1897971 0.2959851 0.2521857 1.0004244 0.2773958 0.2913165 0.3635515 0.4797555 1.2803667
LISRELの実行コードは次のように書く。ここでのポイントは潜在変数を指定するコマンドがLatent Variablesであるということである。また、観測変数の部分でX1 - X5と書いているが、これはX1 X2 X3 X4 X5の省略である。これは、アルファベットにも対応したやり方で、Xa - Xdとした場合はXa Xb Xc Xdと認識される（大文字でも同じである）。これはモデル式を書く場合にも利用できる。
Observed Variables X1 - X5 Latent Variables F Covariance Matrix 0.8831593 0.2651727 1.2997199 0.1428147 0.4220355 1.3513709 0.1897971 0.2959851 0.2521857 1.0004244 0.2773958 0.2913165 0.3635515 0.4797555 1.2803667 Sample Size = 154 Relationships X1 - X5 = F Path Diagram End of Problem
Measurement Equations
X1 = 0.37*F, Errorvar.= 0.75 , R = 0.15
(0.091) (0.095)
4.03 7.91
X2 = 0.53*F, Errorvar.= 1.02 , R = 0.22
(0.11) (0.14)
4.82 7.46
X3 = 0.51*F, Errorvar.= 1.09 , R = 0.20
(0.11) (0.14)
4.57 7.62
X4 = 0.59*F, Errorvar.= 0.65 , R = 0.35
(0.097) (0.11)
6.11 6.13
X5 = 0.72*F, Errorvar.= 0.76 , R = 0.41
(0.11) (0.14)
6.52 5.45
