1. DARM 勉 強 会
#3.2
2013.03.02
Multiple regression
- The latter of half -
広島大学教育学研究科
博士課程後期1年
德岡 大
1
2. Reporting
Guideline 8. 欠損値の扱う方法が取り上げられている
(Kelly & Maxwll)
欠損値のパターン
a. MCAR (missing completely at random)
欠損は欠損値にも観測値にも依存しない
b. MAR (missing at random)
欠損値には依存しないが,観測値には依存する可能性
c. MNAR (missing not at random)
欠損値自体や測定していない変数にも依存することを示唆
欠損値の扱いについて
a. 欠損データは最小限に (e.g., 質問紙回収前に空欄がないか確認しても
らう)
b. 欠損値の量に関係なく,欠損パターンは調べて報告すべき
c. 欠損値の扱い方とその選択理由の適切性について議論すべき
d. 特定の平均値代入やペアワイズ除外は,使用する明確な説明を伴う理
由がない限り,使用すべきでない
2
3. Reporting
Guideline 8. 欠損値の扱う方法が取り上げられている
(Kelly & Maxwll)
欠損値の処理方法
a. ケースワイズ除外
• 欠損モデルがMCARであるという強い仮定がある。MCARでない限り,バイ
アスがかかる
b. 単一 or 多重代入法
• 他のデータから欠損データ部分に“もっともらしい値”を推定して代入する。
ケースワイズよりもbetter
c. 最尤推定法
構造方程式モデルやマルチレベルの欠損値処理で簡単に実行できるため,もっ
ともpopularな方法。欠損データはMCARやMARである必要
a. Full Information Maximum Likelihood (FIML) :t分布の代わりに標準正規
分布を用いて,自由度を考慮しないため,サンプルサイズが小さいときに
用いるべきでない。サンプルが小さいとFIMLアプローチは,タイプⅠエ
ラーを生じさせがち。
b. Restricted maximum likelihood (REML):自由度を考慮し,小さいサンプ
ルサイズに対してより適切。
多重代入法か最尤推定法をおすすめ!
3
5. 論文中に示されたプロットの例 2)
2) Darnon, C., Dompnier, B., Gílliéron, O, & Butera, F. (2010). The interplay of masatery and
performance goals in social comparison: A multiple-goal perspective. Journal of Educational
Psychology, 102, 212-222. 5
6. Reporting 9. 調整(moderation)を検討モデルでは,解釈の問題,
Guideline 中心化の役割,視覚化が取り上げられている
(Kelly & Maxwll)
調整効果を検討するときに気を付けること
a. 尺度の信頼性(積である交互作用項に誤差が増えるため)
b. 独立変数同士に相関がある場合,検定力が低下する
c. 独立変数間の相関が高い時,曲線効果があるならば交互作用に関する
タイプⅠエラーが深刻に増加
• 2次の交互作用項を投入することで解決
• 交互作用効果を検討するための検定力は低く,ベストな解決策なし
交互作用を検討したい場合,独立変数間の相関と理論的に曲線効果を
除外するかしないかについて明らかにすべき
『Interaction effects in multiple regression (1st or 2nd ed.)』参照
6
8. Reporting 10. 媒介(mediation)を検討するモデルでは,横断的方
Guideline 法のための解釈の問題や限界が取り上げられている
(Kelly & Maxwll)
媒介分析で考慮すべきこと
a. 媒介変数の測定誤差はバイアスのかかった回帰係数推定の原因となる
b. 媒介変数が誤差なしで測定されていない限り,結果の解釈においてもっ
ともらしいバイアスを取り上げるべき
c. バイアスや測定誤差を特定するため,潜在変数を使うもの1つの手段
d. 横断的な媒介の推定は,媒介が時間経過で生じるときに深刻なバイアス
を生じさせうる
e. 縦断デザインが奨励されるべき
f. 十分な検定力を得るのに必要なサンプルサイズを考慮すべき
g. 3変数よりも複雑な媒介に関する情報は,MacKinnon, Fairchild, & Fritz
(2007)やMacKinnon (2008)を参照
8
9. 媒介の程度とサンプルサイズの関係 3)
3) Fritz, M. S., & MacKinnon, D. P. (2007). Required sample size to detect the mediational effect.
Psychological Science, 18, 233-239.
9
10. Reporting 11. モデルの適切性と仮定を査定するデータの視覚化が行
Guideline われている
(Kelly & Maxwll)
線形の仮定を図により確認
a. 重回帰モデルの仮定は考慮し,評価されるべき
b. Conditioning plot (coplot)
ある変数の水準ごとの2変数の散布図行列
10
11. Reporting 11. モデルの適切性と仮定を査定するデータの視覚化が行
Guideline われている
(Kelly & Maxwll)
線形の仮定を図により確認
b. Residual versus predictor (RVP) plot
残差と独立変数は無相関であるという重回帰分析の前提
11
12. Reporting 11. モデルの適切性と仮定を査定するデータの視覚化が行
Guideline われている
(Kelly & Maxwll)
線形の仮定を図により確認
c. Component plus residual (CPR) plot
各説明変数と目的変数の関係を図示
12
13. Reporting 11. モデルの適切性と仮定を査定するデータの視覚化が行
Guideline われている
(Kelly & Maxwll)
線形の仮定を図により確認
説明変数と目的変数の関係が線形でないなら,重回帰分析はすべきでない
非線形回帰モデルについては,Nonlinear regression (Seber & Wild, 1989)を参照
重回帰モデルでは,誤差の正規性が仮定されている
a. QQ-プロットで視覚的に確認
b. 正規性の検定もあるが,図視化は非常に有効
スライド12の重回帰分析の結果
R Studioではvalueに格納されている
13