ゼミで話そうか検討しているデータ解析の話です

1. 仮説とデータ解析の関係
－共分散構造分析の前にー
岡野 道太郎
1

2. 自己紹介
• 東京学芸大学
– 教育心理で卒論
• 使った本 教育と心理のための推計学
• 放送大学 科目履修生
• 放送大学大学院
– 科目履修生、全科履修生（退学）
• トップエスイー
• 筑波大学大学院ビジネス科学研究科
– 大学のシラバスの調査で修論（経営学）
• 使った本 心理学論文の書き方
2

3. まずは、仮説とデータ解析の関係
• 仮説構築・仮説検証とデータ解析の関係
– 卒論・修論を仮説構築で止めるか、仮説検証までいく
かは、先生による
• 仮説の絞込みレベルも先生によるが、コミュニティの影響も
– 使える手法は、コミュニティによる
3

4. 仮説構築におけるデータ処理
• どこまで、仮説構築で行くか
– 「はじめに」「関連研究」「提案」
– 仮説構築するだけの論文
• 提案までならアブダクションが使える可能性
– 例
• 一般に、こういわれている（データがある）
• でも、この調査では、このような結果が出ている
– 二次データ（毎年行われる調査など）が使える
– 提案で仮説を出し、それを検証する
• 仮説で終わる場合
– グラウンデッドセオリー（木下の修正版含め）
– （探索的）因子分析
– KJ法とか。他の方法を使ってOKかは、先生に・・・
検定せす、ク
ロス表・グラ
フでもOK
4

5. 仮説検証におけるデータ処理
• 仮説の内容によって、処理が違う
– カテゴリー間の差を主張したい
• クロス表を作って、χ2検定
– 分類・分別したい
• 判別分析、クラスタリング（k-means等）
– 量的な差を検定して、仮説を主張（主に実験）
• t検定（２つのグループの平均）
• F検定（多くのグループ）
– 予測値を出したい：回帰
• 連続量：重回帰分析
• 生死・当たり外れ等の確率：ロジスティック回帰
• 質的データも含む：数量化１類
– モデルを作成し、その当てはまり
• 共分散構造分析（SEM)
実験でもモデル
が作れるなら
SEM可能
5

6. データ処理に行くまで
• 笹井氏の示した手順が分かりやすい
– https://www.youtube.com/watch?v=xu-XUie-Hbc （6:00～7:00）
– 着想・発想→実験実施→実験データ解析・図表作成→論文
• 実験が仮説内容によりいろいろ
– 本当に実験する
• 実験計画法：ラテン方格、直交表
– アンケートをとる
– 調査：データ収集
• 株価と何かの関係など
• 書き方なども型がある
– 研究法に詳しい本
6

7. データ処理手順
• データをざっくり見て、基本統計量をとる
– カテゴリーデータ：クロス表（統計量：件数）
– 量的データ：散布図・相関（統計量：平均・分散）
• データの加工＆処理方法の注意点
– コーディングとかある場合も
– 欠測
• 仮説を主張する為の統計操作
– 例：検定の場合
• いいたいことの逆：帰無仮説の構築
• 帰無仮説は５％、１％以下しか起きない
• 「いいたいことの逆」は起きない→いいたいことが成り立つ
7

8. 統計操作の例：共分散構造分析
• 観測できる変数から、モデルの当てはまりを
推定する
• 例：英語は理系能力が必要
– 文系能力・理系能力：潜在変数
– 国語・社会・英語・理科・数学：観測変数
赤い線があるのとないので、どちらが当てはまりがよいか見る
8

9. 参考： （イメージです）
共分散構造分析は何をしている？
• 例えば英語は、以下の方程式が建てられる
• 同様にすべての観測変数を含む方程式をたて、
その方程式から全r,yが求められたとする
• 観測変数の実際の観測値は誤差を含む
– そこで誤差が最小になるようにr,yを調整する
実際には
行列
X3=r3y1+r4y2＋誤差
9

10. 参考：
全てを観測変数にした場合の比較
• 今、学力テスト、文系テスト、理系テストという
のが有った場合、すべてが観測変数となる
– このとき２つのモデルが考えられる
– どちらがよいか：誤差の累積の観点から考える
10

11. 共分散構造分析まで
• 仮説を構築：
– 潜在変数と観測変数を決める
• 自分の知見
• 既存の学説（対立していると、より良い）
– パス図を作成
• 仮説を検証する：観測変数を測定する
– 観測変数が連続量で測定可能（時間・年齢）
• 測るべし
– 観測変数が感覚的なもの
• リッカートの簡便法(5件法など）、SD法等で数量に
11

12. 共分散構造分析
• ソフトウェアを使って解析
– 手順
• パス図を描く
• データを入力する
• 結果が出てくるので検討する
– ソフトウェア
• SPSS Amos：分かりやすい。操作は知っておくと良
• R：semまたはlavaanパッケージ：むずかしいかも・・・
– 検討
• Ｐ値、AGFI(GFI)、RMSEAなど
• ２つモデル作成時：どちらの当てはまりがよいか議論
12