・いま問う「因子分析」のココロ(試) ・朝倉書店「多変量解析実例ハンドブック」かく語りき(49) ・「スクリープロット」とはにわが知りたい(再) ・みんなだいすき「回転」とはにわが知りたい(談) ・「内的整合性」とはにわが知りたい(仮) ・あなたのいう「主成分分析」わたしのと違う(※意訳) ・SPSSの「因子分析」における「方法(因子抽出法)」
(約32000字)
[3584]の補足です。
★いま問う「因子分析」のココロ(試)
・(後述)
> ・「因子分析」はただちに心理学の分析手法であるので、心理学を修めずには着手してはならない(心理学を修めた者と共著しなければいけない)
> ・数理的な側面のみから「因子分析」と「主成分分析」を代替可能とみなすことは適切とはいえない
> ・「主成分分析」は単なる数理的な操作であることが明確であるので、分野を問わず活用可能であるが、「因子分析」を行なわずに心理学的な実験結果や社会学的な調査結果などについて(「主成分分析」だけで)考察してはならない
> こういうことであるという認識にございます。
> 「実際的センス」については[2938]、「最初の一から状況的」については[3358]を参照。「共分散構造分析」ですから科学的です!! …えーっ。
(ここまで、当初は[3584]に書こうとしていたのですが)この内容が[3584]に混ざるとややこしいと思って、分けてまとめようと、こういうわけです。
・ダッタカ遺跡ーっ!! 「主成分分析」が薄皮1枚になっちゃいました&だまされたとおもっていちど(以下略)この給水所は有料です!
http://psy.isc.chubu.ac.jp/~oshiolab/teaching_folder/datakaiseki_folder/add_folder/daad_02.html
http://psy.isc.chubu.ac.jp/~oshiolab/teaching_folder/datakaiseki_folder/add_folder/daad_01.html
※だってだってぇ、ここに「datakaiseki」って、書いてあるじゃないですかぁ。(恐縮です。)
> 補足説明(1)の分析例をAmosで分析した結果をパス図として表すと,以下のようになる(推定したのは第1主成分のみ)。
> 補足説明(1)で考察したように,第1主成分は6つの特性すべてから大きな影響を受けているので「総合能力」を表していると考えられる。
こんな説明をしちゃだめでしょ! …だめでしょっ!!(※見解です。)
※逆に、この分野で「主成分分析」と呼ばれるデータ行列の特異値分解(SVD)がほとんど使われないようすがとってもよく伝わってくるとは思いました。(※「は」に傍点。)それなら「ほとんど使われないので説明を省く。」といって『積極的に逃げる!』べきだとぼかぁ思うんだなぁ。(※演出ですが見解です。)
> 因子分析では共通因子が測定された変数に影響を及ぼすことを仮定するので,上記の主成分分析のパス図とは矢印の向きが逆(因子から観測された変数に向かう)になる。
ええーっ!! 「主成分分析」で「主成分」と「測定された変数」の間に引く線は「向き」のわからない「相関」ですよね。6変数で第6主成分まであるとき、「主成分」どうしはすべてのペア(=15)において相関が0ということですよね(相関が0だということを明示する線を15本ほど描くんですよね&各主成分と6変数の間には計36本の線を引くんですよね)。…違うんでしょうか。
※(比ゆ的には)あやとりができるひとなら、このくらいの線(と頂点)の数がある構造くらい、なんてことなく扱えるはずだよね。本当でしょうか。「パス図」みたいなのを平面で描こうとするからいけないんですよ。「現に可視化できる範囲や方法だけで可視化しても(ほとんど)意味がない」については[3483]も参照。可視化するとあらばぜんぶ描ききる! 自明だからといって省略したり、数が少ないから(順位が低いから)といって省略したりしてはならないのですよ。(※…というひともいます!!)
・イチムラ「AYATORI<あやとり>」のイメージです
http://www.ichimura-seisakusho.co.jp/topics/pickup/ayatori/
http://www.ichimura-seisakusho.co.jp/wp/wp-content/uploads/1490182752-1600x1066.jpg
・「コンピュータが未発達な時代の簡便法」との見解です
http://www2.itc.kansai-u.ac.jp/~tyasuda/files/2014/methoda/5_factor.pdf
> ふつう最尤法(maximum likelihood method)か主因子法(principal factor method)を用いる。現在の計算環境では最尤法の方が優れていると考えられているが、コンピュータが未発達な時代の簡便法として主因子法がよく広まっており、現在も論文にはよく出てくる。実用上、両者に大きな違いが出ることはほとんどないので、いずれでもかまわない。
> 因子分析では、数々の特殊な用語法が使われるが、最初に記しているように因子分析は各調査項目を従属変数とする回帰分析の集まりにすぎない。通常の回帰分析の枠組みで言えば、因子分析の特殊な言い回しは以下のようにとらえ直すことができる。
(教える側の当座の説明として)手堅いと思いますけど、これでは(教わる側は)重回帰がわからなくて主成分分析もわからない(そして「主因子法」との使い分けもわからない)というところに留まりそうですよ。うん。(※見解です。)
※教える側として「因子分析」をどのように理解したのかがよくわかるとは思いました。(※「は」に傍点。)
> データにはない想像上の潜在変数
うーん…。
> ほとんどの場合、共通因子に注目するので、共通因子のことだけを指して、「因子」と呼ぶことが多い。
第1主成分だけ使おうというんですね。第1主成分がいかにもそれっぽい…第1主成分ですから当然です!(棒読み)
> 因子には結果にふさわしい名称を分析者が付ける。その方がわかりやすいから
…そのほうがかっこいいから!!(※意訳)そのかたじゃないよそのほうだよ。(違)…なんだかなぁ。
> 分析に用いた方法の設定(主因子法、プロマックス回転)は、約束事として示しておかなければならないので、表1のように、下に注釈として記しておくとよい。
かっこいいから!!(違)ちゃんと説明しないと、教わる側は「かっこいいから!(それらしく見えるから)」としか思いませんってば。あらあら、まあまあ!(※表現は演出です。)
・新しい最新式®「Rで因子分析」清水助教のスライドです(2014年12月2日)
https://www.slideshare.net/simizu706/r-42283141
> Rのpsychパッケージを用いた,因子分析の方法についてまとめています。
> 特に,SPSSやSASなどの商用ソフトでは実行できない,多様な分析法がpsychを使えば可能になります。
…ぷさいちゃんねる!!(違)
> これまでの(アカン)因子分析の流れ
ガッ
> 主成分分析は,共通性を正しく推定できない
> 変数を合成する方法であって,共通部分を推定する方法ではない
> せめて反復主因子法を使う
そもそも「共通性」の数字がどういう計算で出てくるのかが簡単にはわからないと思いました。
> そこでmirtパッケージ
> Full最尤法でカテゴリカル因子分析を推定
> ロジスティック多次元項目反応理論を利用
> ポリコリック相関行列+重み付き最小二乗法に近い
> むしろFull最尤法のほうが推定量としての性能はいい
> 欠損値の推定もしてくれる
おおー!(以下略)
・「polycorパッケージによる順序相関係数の算出」のふいんきです
http://www.okadajp.org/RWiki/?polycor%E3%83%91%E3%83%83%E3%82%B1%E3%83%BC%E3%82%B8%E3%81%AB%E3%82%88%E3%82%8B%E9%A0%86%E5%BA%8F%E7%9B%B8%E9%96%A2%E4%BF%82%E6%95%B0%E3%81%AE%E7%AE%97%E5%87%BA
> 連続変数と連続変数の相関係数がピアソンの相関係数である。
> 順序変数と順序変数の相関係数がポリコリック相関係数である。
> 順序変数と連続変数の相関係数がポリシリアル相関係数である。
2×2になるとテトラですって!! まあまあ!(※表現は演出です。)
・R Documentation「psych」
https://www.rdocumentation.org/packages/psych/versions/1.7.8
> A general purpose toolbox for personality, psychometric theory and experimental psychology.
心理学のひとって「道具箱」が好きですよねぇ。(深)
> df2latex
> Convert a data frame, correlation matrix, or factor analysis output to a LaTeX table
> multi.hist
> Multiple histograms with density and normal fits on one page
…まさに「道具箱」だね。(棒読み)
> vegetables
> Paired comparison of preferences for 9 vegetables
> Turn Turnips 白い根菜
> Cab Cabbage は
> Beet Beets 紫の根菜
> Asp Asparagus くき
> Car Carrots カロテンを含む根菜
> Spin Spinach 青菜
> S.Beans String Beans さや
> Peas Peas まめ
> Corn Corn 麦・トウモロコシ類
うー…レッツお野菜っ! 目をぐるぐるにしながらお野菜っ。トウモコロシはお野菜かっ!!
> KMO
> Find the Kaiser, Meyer, Olkin Measure of Sampling Adequacy
> alpha
> Find two estimates of reliability: Cronbach's alpha and Guttman's Lambda 6.
> correct.cor
> Find dis-attenuated correlations given correlations and reliabilities
> cor2dist
> Convert correlations to distances (necessary to do multidimensional scaling of correlation data)
> corFiml
> Find a Full Information Maximum Likelihood (FIML) correlation or covariance matrix from a data matrix with missing data
うーん。「道具箱」って、属人的なんですよねー。ほかのひとが触ろうとすると怒られちゃうんですよねー。(棒読み)
> irt.fa
> Item Response Analysis by Exploratory Factor Analysis of tetrachoric/polychoric correlations
あくまでSPSSの画面を思い浮かべながら回転法みたいなのをとっかえひっかえするくらいならIRT。たぶんこれだね。(※あくまで素人です!)
・典型的「歩くツールボックス!」のイメージです
https://static3.depositphotos.com/1006617/213/v/950/depositphotos_2136589-stock-illustration-plumber-with-tools.jpg
「道具箱」職人いなけりゃただの箱とはよくいったもんだよ。(字余り)
★朝倉書店「多変量解析実例ハンドブック」かく語りき(49)
・「多変量解析実例ハンドブック」目次とキーワードです(2002年6月)
http
|