<< 目次へ
最終更新日： 2009.9.10
共分散構造分析とは何か
「共分散構造分析とは何か」という問いに答えるのは難しいので、ここでは「どのような分析か」ということを説明することにしよう。共分散構造分析はCovariance Structure Analysisの訳語であるが、別の言い方で構造方程式モデリングと呼ばれるものがある。これはStructural Eqation Modelingの訳語で、略されてSEMとしばしば表現されている。これらは全く同じ分析法を指すもので、単に呼び方が違うだけであると考えて問題ない。
細かいことだが、論文などに表記する場合には若干の配慮が必要かもしれない。好ましい書き方は「共分散構造分析を行った」とか、あるいは「構造方程式モデリングによってモデルを作成した」などと書くことである。前述したように、構造方程式モデリングは略してSEMと書かれることが多いので、論文でそのように書いても通用するだろう。しかし、共分散構造分析を略してCSAとはあまりいわないので、論文に「CSAを行った」と書いてもすんなりと意味が通るとは限らない（危うい表現は避けるべきである）。
さて、この共分散構造分析ではどのようなことができるのだろうか。簡単にいえば一般線形モデルで紹介したような古典的な統計モデルを包括していることと、さらに応用的なモデルを解析することができる。具体的にいえば、分散分析モデル、回帰分析モデル、共分散分析モデルといった統計モデルを共分散構造分析の理論に基づいて解析することができる。もちろん、多変量解析と称される因子分析や主成分分析などを扱うこともできる。ただし、全ての手法を包括しているかというとそういうことでもなく、扱えないモデルも存在する。また、扱えるモデルであっても、わざわざ共分散構造分析を用いて解析する必要がないこともある。
いくつかの例をあげてみると、分散分析モデルのように説明変数がカテゴリカル型であるモデルを扱う場合、観測変数にダミー変数（0と1で表現されたデータ）を指定しなければならないので手間がかかる。これはRならばfactor()という関数を使えば、わざわざダミー変数行列を用意する必要もなくなる。このように古典的な統計モデルは、従来のソフトウェアを用いた方が扱いに優れているという点で共分散構造分析を適用する必要はないだろう。別の例で従来のソフトウェア（例えばRのfactanal()という関数）を用いた場合、探索的因子分析を行うことはできるが検証的因子分析はできない。そういう点では、古典的な手法であっても共分散構造分析によって、より応用的なモデルを扱うことが可能となる。
最後に共分散構造分析を学ぼうとする者に勉強するうえでの助言をしておこう。共分散構造分析は複雑な統計モデルを作成するために用いられることが多い。しかし、複雑なモデルといっても、そのモデルをよく見てみると基本的で単純なモデルが集まっているにすぎないということが分かるだろう。つまり、一般線形モデルにあるようなモデル解析の基本的な考え方（やり方）を理解しておけば、計算理論を理解できていなくとも、そのモデルが何を意味しているのか理解できるはずである。したがって、もしモデル解析の基本的な考え方が身についていないと感じるなら、まずはそれをきちんと理解して身につけるべきである。
