• 締切済み

共分散構造分析の結果解釈

3つの変数(A・B・C)の因果関係について、次のような仮説を立てたとします。  A->B  A->C  B->C 共分散構造分析の結果、有意なパスとそうでないパスが見つかると思うのですが それらをどのように解釈したらよいのか分からず、困っています。 ■パターン1  A->B 有意でない  A->C 有意  B->C 有意 これなら分かります! 「A・B共にCに有意な効果を与えるが、AとBの間には有意な因果関係はない」 ということですよね。 分からないのは、次のパターン2・3です。 ■パターン2  A->B 有意  A->C 有意でない  B->C 有意 これが一番分かりません。 [A->B->C]の3段論法のようなイメージで理解しているのですが、 [A->Cは有意でない]となるのはどういうことでしょうか・・・ ■パターン3  A->B 有意  A->C 有意  B->C 有意でない お願いがあるのですが、身近な例に置き換えて説明していただけますか? 例えばパターン1であれば 「お金持ちであるほど(A)女性にモテる(C)。 また、イケメンであるほど(B)女性にモテる(C)。 しかし、お金持ちであるほどイケメンとは限らない」 というように。 ひどい例で本当にごめんなさい。 ただ、世俗的な例に置き換えないと、どうしてもシックリ納得できないのです。 よろしくお願いします。

みんなの回答

  • backs
  • ベストアンサー率50% (410/818)
回答No.1

まずパス図をモデル式で書き直して考えてみることです。A, B, Cがいずれも連続型である場合: B = A C = A C = B という単回帰モデルの集まりであることが分かるでしょう? 「これが一番分かりません」といっているパターン2について、Aを年収、Bを容姿の評価点、Cを女性からの評価点とでもしましょう(女性からの評価が高ければモテるということで)。 とすると、この場合の解釈は「年収が高い男性は容姿も良い。年収自体は女性からの評価を高くしないが、容姿が評価に高く影響する。したがって、モテるかどうかは容姿が重要であって、年収は直接的な影響を及ぼさない。しかし、年収は間接的に女性からの評価に影響すると考えられる。」というようなことですね。 また、そもそもこれは C = A + B という重回帰モデルが含まれているのです。最初からパス図のみを見て考えると難しいので、そのパス図にはどのような単純なモデルが含まれているか、ということを考えましょう。

関連するQ&A

  • 共分散構造分析のパス係数について

    現在アンケートを行いその結果を因子分析、共分散構造分析を行っています。解析結果についてわからないことがあるので質問しました。 アンケート調査ではA、B、Cの3つのテーマから質問項目を構成しており、A、B、Cそれぞれの項目で因子分析を行った後、共分散構造分析によりA、B、C全体の因果関係を見ようとしているのですが、ここで全体としてA→B、A→C、B→C(AはCに直接影響を与え、更にBを通して間接的にCにも影響を与える)という因果関係が成り立つと仮説をたてています。 まず共分散構造分析で A→B、 A→C、 B→C、 それぞれの関係を見ていくと適合度は基準を満たしており、パス係数も正の値で全て0.1%有意でした。 しかし、最終モデルとしてA、B、C全ての因果関係を見ていくと適合度は十分だったのですが、A→Cのパス係数が負の値になってしまいました。(A→Cだけで関係をみるとパス係数は正だったのですが、そこにBを加えA→B、B→Cという因果関係を加えるとA→Cのパス係数は負になってしまいました。)パス係数は5%有意でした。 そこで質問なのですが、他の要因が入ることによってパス係数の正負が逆転することはあるのでしょうか?

  • 重回帰分析と分散分析の結果が違う

    次のようなRのコードを書きました。 x1~x7は因子で、1がなし2がありだと思ってください。 最後のxがデータです。これが大きい程よいと言う意味だと思ってください。 data <- data.frame( x1 = c("1","1","1","1","2","2","2","2"), x2 = c("1","1","2","2","1","1","2","2"), x3 = c("1","1","2","2","2","2","1","1"), x4 = c("1","2","1","2","1","2","1","2"), x5 = c("1","2","1","2","2","1","2","1"), x6 = c("1","2","2","1","1","2","2","1"), x7 = c("1","2","2","1","2","1","1","2"), x = c(35,48,21,38,50,43,31,22) ) data colnames(data) <-c("B","C","B:C","D","B:D","A","7","x") data summary(aov(x ~ A+B+C+D+B:C+B:D,data=data)) summary(lm(x ~ A+B+C+D+B:C+B:D,data=data)) 結果としましては、 分散分析では因子C以外は有意差がないという結論を出しており、 重回帰分析では因子Bと因子B:D以外は有意差がないという結論を出しています。 重回帰分析と分散分析は基本的に数学的にやっていることは同じと言われたのですが、結果が異なり戸惑っています。 なぜこのようなことになったのか心当たりがある方ご教授ください。 よろしくお願いします。

  • 分散分析の交互作用について

    はじめまして、 SPSSの三要因分散分析についてお尋ねします。 (1) A×B×Cの三要因分散分析を行いました。すべて2水準です。 結果、主効果、交互作用ともに有意さはありませんでした。 (2) 次にA×B×Dの分散分析を同様に行いました。 すると、A×Bの交互作用が有意でした。 (1)と(2)におけるAとBは同じデータなのに、なぜ(2)では交互作用が生じてしまったのでしょうか。 ちなみにA、Bは被験者内要因、C、Dは被験者間要因です。 ご教授の程、どうぞ宜しくお願い致します。

  • 3要因の分散分析について

    A(2水準)×B(2水準)×C(2水準)の3つの独立変数から、Dの従属変数を比較する分析をおこなっています。 独立変数は3つとも対応のない要因です。 統計ソフトはSPSSを使っています。 最初に、仮説に沿うような部分だけで分析を実施しました。 Aの主効果、A×Bの交互作用、A×B×Cの交互作用を見たところ、Aの主効果とABCの交互作用が有意になりました。 この結果は仮説どおりで喜んでいたのですが、一応他の要因の主効果や、他の組み合わせの交互作用も検討しようと思い、 A、B、Cの主効果、A×B、A×C、B×Cの交互作用、A×B×Cの交互作用をみました。 その結果、1回目の分析で出ていたA×B×Cの交互作用は有意でなくなってしまい、Cの主効果とB×Cの交互作用が有意に出てきました。 おそらく分析の手順としては後から実施した方が正しかったのだと思いますが、 自分としては最初の分析結果の方が納得のいくものだったので、悩んでいます。 同じ交互作用をみても、投入する要因によっては有意確率が変わってしまうものなのでしょうか? また、最初の分析方法では筋が通っていないことになってしまいますか? 統計の初心者なので、よく理解できていないところが多いかと思いますが、 よろしくお願いします。

  • 重回帰分析かロジスティク分析か?

    多変量解析で、教えてください。 20人のケースで、Xという現象がー100~100%の幅で、増減したとして、事象A,B,C,D.E.Fが関与しているかどうかを調べるとします。 それぞれが、それぞれA~Fの現象と、変動率を散布図にて、表示すると、A,B.Cで相関があり、相関係数は R=±0.4~0.7でした。D,E.Fは、r=0.2以下でした。 単回帰分析をすると、要因A,B,Cでの回帰式は、有意とされました。A,B.Cの要因がどの程度のつよさで、Xという現象に関与しているかを調べる必要があるとすると、多変量解析をする必要があると思いますが、 その方法論として、X現象に対する重回帰分析が良いのか、X現象が増加するか、減少するかという現象に置き換えて、ロジスティク回帰分析の方が良いでしょうか? それとも、症例数から言うと多変量解析は無意味でしょうか? また、もし重回帰分析、ロジスティク回帰するとすると、A~F全て組み込むのか、単回帰で、有意だったA~Cだけで良いのでしょうか? 見よう見まねで、A~Cだけで重回帰すると、分散分析ではすべて有意でしたが、回帰式では、A,Bの組み合わせでは、A、B共に有意、A~Cの組み合わせだと、Aだけ有意とでました。この所見の記載として、 単変量解析では、A,B,Cが有意だったが、多変量解析では、Aのみが有意であるとして良いのでしょうか?

  • 統計の質問:分散分析?カイ二乗?

    統計に詳しい方、お助け願います。私はほぼ初心者です。 例えば100名の協力者に対し、あるテストを行いました。解答は3パターン(仮にA・B・Cとします)に分類でき、どれかが正解というわけではありません。そういう意味ではアンケートに近いです。調べたいのはこのA・B・Cの解答の頻度(仮にA:20名、B:65名、C:15名とします)に有意差があるかどうかなのですが、A-B、B-C、C-Aのどこに差があるかまで見たい時は、 カイ二乗検定とその後の多重比較(ボンフェローニ法など)を行うべきでしょうか? それとも、100名の解答をA・B・Cに振り分けるとき、それぞれに1点ずつ加算していって平均点を出し(A:0.2、B:0.65、C:0.15)、ABCの平均点の差について対応なしの分散分析とその後の多重比較(t検定など)を行うべきでしょうか? 見当はずれなことを聞いているかもしれませんが、誰かアドバイスをお願いします。

  • 分散分析について

    卒論で分散分析を行いたいのですが、適当に本を読み行ったのですが結果がいまいちなため、この分析であっているか否かを確認したく、質問させていただきました。  ある薬品ABCを3日間使用し、1日目~3日目のデータを集めました。  比較するのは「対照実験」「A」「B」「C」の間に差が生じているのか  さらに「対照実験」「A~C」において「1日目」「2日目」「3日目」の間に差が生じているか  これを比較するため、繰り返しのない2元配置分析分散法を用いて、分析してみました。  しかし薬品毎には有意な差が認められたのですが、実験日別のデータでは現れませんでした  しかしグラフを見てみますと、かなりバラバラな値が見られているため、実験日別のデータに差がないといわれても見た目的にはばらつきがあるように見られます  この場合℃の分散分析をすればよろしいのでしょうか。

  • 分散分析 交互作用

    熟達度(上下)×テストA得点(上下)×テストB得点(上下)×テストC得点(素点)の3元配置分散分析をかけたら 交互作用がでませんでしたが、産出されたグラフから、下位群のテストAとテストBには交互作用があると思い、シンタックスをいじって、pairwise comparisonsを出すと、有意なところと有意でないところが確かにありました。そこで、最初にデータを熟達度で分割する設定をした後、再度、テストA(上下)×テストB(上下)×テストCで2元配置分散分析をかけたところ、下位群にのみ、交互作用がありました。 このことの意味することと、報告の仕方を教えて頂けないでしょうか?

  • 分散分析の主効果について

    現在anova4により分散分析を行っています。 今回の質問は、1要因3水準の場合です。 (ここでは、要因をA、水準をa,b,cの再生率とさせてください) 分析結果として、要因の主効果が有意だったので、 「水準間に差があるのか~」 と思って画面をスクロールさせていくと、 下位検定でライアン法による多重比較の結果は、 水準間の差のところはすべて(n.s.)と表示されていました。 このような場合、どう考察すべきなのでしょうか? 私はてっきり、 「Aと言う要因の元で再生を行った場合、a,b,cの再生率に差が出る」 と言うような感覚で考えていましたが、 今回の場合はそれでは無理なようです。 また今回の下位検定では、 有意水準p=0.05で行っているのに、 p=0.0216613と言う値が提示されているところも(n.s.)でした。 これも何か重要なことなのでしょうか? どうぞよろしくお願いします。

  • 分散分析について

    分散分析について 現在実験を終えて、解析作業をしている大学4年の者です。 検定したいことは、4つの条件間である試行を行ったときの心拍数を測定し、 その心拍数に関して有意差があるのかということです。 問題になっているのが各条件間で心拍数のデータ数が異なるということです。 SPSSを用いて検定をしているのですがソフトの仕様上(?)、データが少ない方に 揃えられて検定されてしまうため、多い方の差分は全く無視されてしまいます。 (例:Aという条件のデータ数が30個でBという条件のデータ数が40個の場合、 30個にあわせられて、Bの10個のデータは無視されているような状況) 全体に対して、わずかなデータ数の差なのであまり気にしなくてもよいという話 なのですが気になる場合はmatlabのspline関数を用いて 多い方のデータを少ない方のデータにあわせて検定してみては、といわれました。 実際にそのようなことは可能なのですが、果たしてこのような手法は正しいのでしょうか? 正しくない場合、どのような手法を用いればよいのでしょうか? なにか詳しいことをご存知の方がいらっしゃいましたら、ぜひご教授お願い致します。 よろしくお願いします。