Submit Search
Upload
SEMのやり方 改訂版
•
Download as PPTX, PDF
•
3 likes
•
11,895 views
Shota Yuasa
Follow
SEMのやり方 2015年卒論の際作成
Read less
Read more
Data & Analytics
Report
Share
Report
Share
1 of 25
Download now
Recommended
エクセルで統計分析 統計プログラムHADについて
エクセルで統計分析 統計プログラムHADについて
Hiroshi Shimizu
第4回DARM勉強会 (多母集団同時分析)
第4回DARM勉強会 (多母集団同時分析)
Masaru Tokuoka
エクセルで統計分析2 HADの使い方
エクセルで統計分析2 HADの使い方
Hiroshi Shimizu
SEMを用いた縦断データの解析 潜在曲線モデル
SEMを用いた縦断データの解析 潜在曲線モデル
Masaru Tokuoka
エクセルで統計分析3 回帰分析のやり方
エクセルで統計分析3 回帰分析のやり方
Hiroshi Shimizu
エクセルで統計分析5 マルチレベル分析のやり方
エクセルで統計分析5 マルチレベル分析のやり方
Hiroshi Shimizu
媒介分析について
媒介分析について
Hiroshi Shimizu
エクセルで統計分析4 因子分析のやり方
エクセルで統計分析4 因子分析のやり方
Hiroshi Shimizu
Recommended
エクセルで統計分析 統計プログラムHADについて
エクセルで統計分析 統計プログラムHADについて
Hiroshi Shimizu
第4回DARM勉強会 (多母集団同時分析)
第4回DARM勉強会 (多母集団同時分析)
Masaru Tokuoka
エクセルで統計分析2 HADの使い方
エクセルで統計分析2 HADの使い方
Hiroshi Shimizu
SEMを用いた縦断データの解析 潜在曲線モデル
SEMを用いた縦断データの解析 潜在曲線モデル
Masaru Tokuoka
エクセルで統計分析3 回帰分析のやり方
エクセルで統計分析3 回帰分析のやり方
Hiroshi Shimizu
エクセルで統計分析5 マルチレベル分析のやり方
エクセルで統計分析5 マルチレベル分析のやり方
Hiroshi Shimizu
媒介分析について
媒介分析について
Hiroshi Shimizu
エクセルで統計分析4 因子分析のやり方
エクセルで統計分析4 因子分析のやり方
Hiroshi Shimizu
マルチレベルモデル講習会 理論編
マルチレベルモデル講習会 理論編
Hiroshi Shimizu
マルチレベルモデル講習会 実践編
マルチレベルモデル講習会 実践編
Hiroshi Shimizu
100614 構造方程式モデリング基本の「き」
100614 構造方程式モデリング基本の「き」
Shinohara Masahiro
2 4.devianceと尤度比検定
2 4.devianceと尤度比検定
logics-of-blue
MCMCでマルチレベルモデル
MCMCでマルチレベルモデル
Hiroshi Shimizu
Mplusの使い方 初級編
Mplusの使い方 初級編
Hiroshi Shimizu
2 3.GLMの基礎
2 3.GLMの基礎
logics-of-blue
重回帰分析で交互作用効果
重回帰分析で交互作用効果
Makoto Hirakawa
第4回DARM勉強会 (構造方程式モデリング)
第4回DARM勉強会 (構造方程式モデリング)
Yoshitake Takebayashi
Mplusの使い方 中級編
Mplusの使い方 中級編
Hiroshi Shimizu
Stan超初心者入門
Stan超初心者入門
Hiroshi Shimizu
心理学者のためのGlmm・階層ベイズ
心理学者のためのGlmm・階層ベイズ
Hiroshi Shimizu
心理学におけるベイズ統計の流行を整理する
心理学におけるベイズ統計の流行を整理する
Hiroshi Shimizu
ベイズモデリングと仲良くするために
ベイズモデリングと仲良くするために
Shushi Namba
03 「重回帰分析」の入門
03 「重回帰分析」の入門
Shuhei Ichikawa
階層モデルの分散パラメータの事前分布について
階層モデルの分散パラメータの事前分布について
hoxo_m
データ入力が終わってから分析前にすること
データ入力が終わってから分析前にすること
Masaru Tokuoka
社会心理学とGlmm
社会心理学とGlmm
Hiroshi Shimizu
Stanコードの書き方 中級編
Stanコードの書き方 中級編
Hiroshi Shimizu
(実験心理学徒だけど)一般化線形混合モデルを使ってみた
(実験心理学徒だけど)一般化線形混合モデルを使ってみた
Takashi Yamane
More Related Content
What's hot
マルチレベルモデル講習会 理論編
マルチレベルモデル講習会 理論編
Hiroshi Shimizu
マルチレベルモデル講習会 実践編
マルチレベルモデル講習会 実践編
Hiroshi Shimizu
100614 構造方程式モデリング基本の「き」
100614 構造方程式モデリング基本の「き」
Shinohara Masahiro
2 4.devianceと尤度比検定
2 4.devianceと尤度比検定
logics-of-blue
MCMCでマルチレベルモデル
MCMCでマルチレベルモデル
Hiroshi Shimizu
Mplusの使い方 初級編
Mplusの使い方 初級編
Hiroshi Shimizu
2 3.GLMの基礎
2 3.GLMの基礎
logics-of-blue
重回帰分析で交互作用効果
重回帰分析で交互作用効果
Makoto Hirakawa
第4回DARM勉強会 (構造方程式モデリング)
第4回DARM勉強会 (構造方程式モデリング)
Yoshitake Takebayashi
Mplusの使い方 中級編
Mplusの使い方 中級編
Hiroshi Shimizu
Stan超初心者入門
Stan超初心者入門
Hiroshi Shimizu
心理学者のためのGlmm・階層ベイズ
心理学者のためのGlmm・階層ベイズ
Hiroshi Shimizu
心理学におけるベイズ統計の流行を整理する
心理学におけるベイズ統計の流行を整理する
Hiroshi Shimizu
ベイズモデリングと仲良くするために
ベイズモデリングと仲良くするために
Shushi Namba
03 「重回帰分析」の入門
03 「重回帰分析」の入門
Shuhei Ichikawa
階層モデルの分散パラメータの事前分布について
階層モデルの分散パラメータの事前分布について
hoxo_m
データ入力が終わってから分析前にすること
データ入力が終わってから分析前にすること
Masaru Tokuoka
社会心理学とGlmm
社会心理学とGlmm
Hiroshi Shimizu
Stanコードの書き方 中級編
Stanコードの書き方 中級編
Hiroshi Shimizu
(実験心理学徒だけど)一般化線形混合モデルを使ってみた
(実験心理学徒だけど)一般化線形混合モデルを使ってみた
Takashi Yamane
What's hot
(20)
マルチレベルモデル講習会 理論編
マルチレベルモデル講習会 理論編
マルチレベルモデル講習会 実践編
マルチレベルモデル講習会 実践編
100614 構造方程式モデリング基本の「き」
100614 構造方程式モデリング基本の「き」
2 4.devianceと尤度比検定
2 4.devianceと尤度比検定
MCMCでマルチレベルモデル
MCMCでマルチレベルモデル
Mplusの使い方 初級編
Mplusの使い方 初級編
2 3.GLMの基礎
2 3.GLMの基礎
重回帰分析で交互作用効果
重回帰分析で交互作用効果
第4回DARM勉強会 (構造方程式モデリング)
第4回DARM勉強会 (構造方程式モデリング)
Mplusの使い方 中級編
Mplusの使い方 中級編
Stan超初心者入門
Stan超初心者入門
心理学者のためのGlmm・階層ベイズ
心理学者のためのGlmm・階層ベイズ
心理学におけるベイズ統計の流行を整理する
心理学におけるベイズ統計の流行を整理する
ベイズモデリングと仲良くするために
ベイズモデリングと仲良くするために
03 「重回帰分析」の入門
03 「重回帰分析」の入門
階層モデルの分散パラメータの事前分布について
階層モデルの分散パラメータの事前分布について
データ入力が終わってから分析前にすること
データ入力が終わってから分析前にすること
社会心理学とGlmm
社会心理学とGlmm
Stanコードの書き方 中級編
Stanコードの書き方 中級編
(実験心理学徒だけど)一般化線形混合モデルを使ってみた
(実験心理学徒だけど)一般化線形混合モデルを使ってみた
SEMのやり方 改訂版
1.
SEMのやり方
2.
因子分析→構造方程式モデルにチェック 準備
3.
使う変数を全部投入 左から独立変数、(媒介変数、)従属変数に したほうが後々便利 独 立 媒 介 従 属 従 属
4.
モデルスペースを選択
5.
下に追加で出てきます。
6.
パス図モードを選択
7.
使用変数が全部でてきます
8.
都合よく並び替える →こっからちょっとややこしい
9.
キーボードのctrlを押しながらまず、 独立変数を押す、それから 従属変数(媒介変数でも)を押す。
10.
その状態でパス追加を押す。 矢印が出てきたら成功(/・ω・)/
11.
検証したいものについて同じように矢印を追加 していく
12.
全部矢印を追加したらパス図を反映を押す ここらへんにp:が追加されたら成功(*^▽^*)
13.
とりあえず分析実行!! モデル適合度 推定 独立 χ2乗値 3.696
193.008 df 2 6 p値 .158 .000 CFI .991 RMSEA .056 95%CI = [.000, .160] SRMR .025 GFI .993 AGFI .966 AIC 19.696 BIC 48.394 CAIC 48.424 適 合 指 標
14.
適合指標についてはこちらを参照 筈井 構造方程式モデリングの基礎 http://www.educ.kyoto- u.ac.jp/cogpsy/personal/Kusumi/datasem09/090708.pdf
15.
回帰係数 従属変数 =Extensivity 変数名
係数 標準誤差 切片 0.668 0.315 分散読書得点 0.484 0.117 パス係数は、単回帰分析の場合と基本は一致
16.
その他、見方については先生か湯浅までー (*´▽`*)
17.
いろんな変数で試してみたいって人!! @変数つかってください
18.
@変数押したらこんなんでてきますが、とりあえずOK押す
19.
@1が追加されます
20.
・使用変数に@1 ・@1の横(下の図を参照)に使用変数
21.
後は、さっきと同じようにパス図を作成
22.
@1変数に入れた変数に代わって 分析してくれます
23.
ここを変えるだけで
24.
@変数追加を押すと何個でも追加できます
25.
では、おわりまーす(*^▽^*) がんばりましょー(^○^)
Download now