- 締切済み
パス解析が有効かどうかの判断
- みんなの回答 (1)
- 専門家の回答
みんなの回答
モデルが大丈夫なのであれば有効ですね。
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?
- 締切済み
- 心理学・社会学
- 分散分析で有意差が確認された場合、データの水準を解析範囲から外して再解析を行うことは駄目ですか?
統計初心者の一人です。ご指導宜しくお願いします。基本的な質問で恐縮ですが、2元配置の分散分析で有意差が確認された場合、他と異なるデータの水準を解析範囲から外して再解析を行うことは統計上問題ですか? 分散統計で要因の一つを操作因子、もう一つは濃度因子にした2元配置の分散分析を行なっております。その結果、操作因子並びに濃度因子共に「有意差」が確認されました。 このため、元のデータの範囲設定を変更し、影響のありそうな操作因子や濃度水準を分散分析の計算範囲から除外して再計算を行なってみました。そうしたところ「有意差ありとはいえない」との結果が得られました。当然、信頼限界を計算してそれから有意な濃度範囲を求めることも行っています。 この結果をもとに報告書に実験の操作要因と影響する濃度の範囲として考察に加えようと考えていますが、この考えは統計的な観点からは邪道な考えでしょうか?もともと実験計画はR.Aフッシャーの3原則の一つである実験番号の割り当ての無作為化(ランダムに実験番号を割り付ける)が基本であるので、この様な解析はその考え方から逸脱するため意味を持たないかとも思っていますが、本当に駄目なのでしょうか? 理由を含めご教授願いたく宜しくお願い致します。レベルを下げて具体的にご教授願えれば幸いです。 <例> Data 水準-1 水準-2 水準-3 SampleA n=1 24 24 22 n=2 25 24 22 n=3 25 24 22 SampleB n=1 25 24 22 n=2 25 25 25 n=3 25 25 25 SampleC n=1 21 20 17 n=2 21 20 17 n=3 21 20 17 分散分析・・・Sample間(濃度)、水準間(条件)で有意水準5%で有意差あり →ここで、濃度、水準がどの範囲まで影響しているかを確認するために、下記のよ うにデータ範囲を変更して再解析 Data 水準-1 水準-2 SampleA n=1 24 24 n=2 25 24 n=3 25 24 SampleB n=1 25 24 n=2 25 25 n=3 25 25 分散分析 有意差なし 以上です。
- ベストアンサー
- 数学・算数
- 多変量解析のサンプル数の妥当性
こんにちは。重回帰分析を実施して一応,よい精度(決定係数)が出たのですが,この時の解析対象サンプル数は300でした。これのサンプル数を1000とか2000に増やすと,当然かもしれませんが,精度は下がりました。重回帰分析等におけるサンプル数の妥当性はどのように判断すればよいのでしょうか?いくつ以上が妥当というような目安があるのでしょうか?
- 締切済み
- 数学・算数
- 単変量解析から多変量解析時の因子の絞り込み
統計に関して全くの素人です。 教えていただきたい点は、ある病気の予後に関して関係があると予想した因子A,B,C,D,E,Fに関して単変量解析をしたら、A,B,Cが有意と考えられた場合、次に多変量解析を行う場合は、A,B,C,D,E,Fのすべての因子で解析して判断すべきでしょうか?それとも関連がありそうなA,B,Cによるモデルで解析するべきでしょうか? また、一般に単変量解析で関連がなかった因子が多変量解析では有意となることはないのでしょうか? 以上よろしくお願いします。
- ベストアンサー
- 数学・算数
- 統計学的に有意かどうかを判断するためのサンプル数
インターネット上に出している広告の有意性を見るためのテストをしているのですが、統計学的に有意かどうかを判断するためのサンプル数としてどれを見るべきなのか分かりません。「サンプル数400あれば、危険率5%で有意」みたいに使われてたと思うのですが、以下のようなケースでは、どう判断したらよいのでしょうか? ■行ったテストの内容 ABテスト:インターネット上に出した広告の効果があるかどうかを見るために、その広告を表示した「A群」と、その広告は表示せず代わりに関係のない広告を表示した「B群」を作り、比較検討してみた。(B群はあくまでも比較のためなので全体の5%程度表示されるようにした。ちょっと足りませんが。) ■実施結果(まだ途中の段階なのですが…現在のところ) □A群: ・広告表示回数: 8,434,601 ・購入数: 321 ・購入率: 0.00381% (=321÷8,434,601) □B群 ・広告表示回数: 368,696 ・購入数: 13 ・購入率: 0.00353% (=13÷368,696) ■質問内容 ・上記のようなケースで、A群に出した広告は、果たしてどの程度「効果があった」 と言えるのでしょうか?現状、購入率の違いは、約8%(0.00381% vs. 0.00353%) となると思うのですが、この数値は統計学的にどの程度有意と言えるのでしょうか? ・ここでのサンプル数というのは、表示回数の8,803,297(=8,434,601+368,696) でしょうか?それとも、購入回数の334(=321+13)でしょうか? ・統計学でいうところの「危険率」や「信頼区間」は、いくつだということになる のでしょうか?
- ベストアンサー
- 数学・算数
- 解析と実験
私は現在研究で解析と実験を行っています。 実験は解析モデルの妥当性を検証するのもと位置づけて行っておりましたが,解析モデルの結果と異なる結果となってしまいました。 これでは解析モデルの妥当性を検証できません。 このように実験結果と解析結果が異なる場合,どのように論文をまとめればよいのでしょうか。 回答よろしくお願いします。
- ベストアンサー
- その他(学問・教育)
- 統計の手法(多変量解析)についてSuggestionください。あまり
統計の手法(多変量解析)についてSuggestionください。あまり詳しくないので、質問が正確ではないかもしれません。現在 サンプル数n=20-30人の解析をしています。それらの方々の解析因子のなかで、統計的に有意に単相関するパラメーターが2つあります。ここで、その相関する因子に一般的に影響を与える因子で補正したモデル式をつくり多変量解析をしたいと考えています。ひとつのモデル式のなかで、解析に加えられる因子はこの場合 多くても従属変数 3つまでと考えていますが、補正したい因子が5-6つある場合に 従属変数に2つ固定した因子(この場合、(1)証明したい変数 (2)年齢)にひとつずつこの補正したい因子を加えていき、4-5つのモデル式を構成して証明をするのはAcceptableでしょうか?
- 締切済み
- 数学・算数