<4D F736F F F696E74202D2091E63989F1837D815B F A B836093C1985F D816A2E >

Size: px
Start display at page:

Download "<4D F736F F F696E74202D2091E63989F1837D815B F A B836093C1985F D816A2E >"

Transcription

1 共分散構造分析 マーケティング リサーチ特論 補助資料 ~ 共分散構造分析 (SEM)~ 2018 年度 1 学期 : 月曜 2 限 担当教員 : 石垣司 共分散構造分析とは? SEM: Structural Equation Modeling 複数の構成概念 ( ) 間の影響を実証 因子分析ではは直交の仮定 演繹的な仮説検証や理論実証に利用 探索的アプローチには不向き CB-SEM vs PLS-SEM マーケティング リサーチでは? 消費者態度などの消費行動に関する構成概念の実証手段 主にアンケート調査で利用 1 2 パス図 変数間の関係を図で表現 : データとして観測できる : 直接観測できない変数 説明関係 : 始点が終点の変数を説明 共変動関係 : 相関関係 共分散構造分析のイメージ 例 : リピート購買への満足度の関与 HP プリンタ購買者へのアンケート調査 200 人 7 段階尺度 (Simulated data) パス図の例 ( 目的変数 ) 重回帰分析 a 1 a2 a p ε n ε n 因子分析 a 11 a 21 a np 3 4 C. Chapman, E.M. Feit, R for Marketing Research and Analytics, Splinge015

2 変数間の説明関係とパス図 1 ( 測定方程式モデル ) 2 ( 構造方程式モデル ) 3 4 ( 回帰モデル ) 測定方程式モデル ( 因子分析モデル ) ベクトル : x =[x 1,, x P ] T ベクトル : f =[f 1,, f M ] T 1 の誤差ベクトル : ε a =[ε a1,, ε ap ] T 因子負荷量行列 : A 因子分析モデル 11 1: 測定方程式モデル 先週と異なり 添え字 i は省略 ここでは 観測データ ( 一人一人のアンケート得点 ) ではなく として扱っていることに注意 6 2 構造方程式モデル 3&4 モデル 回帰係数 :b mj ( 矢印の元 m, 矢印の先 j ) 2 の誤差ベクトル : ε b =[ε b1,, ε bm ] T 係数行列 : B 21 構造方程式モデル ( 対角要素がゼロの下三角行列 ) 2: 構造方程式モデル 7 3 のモデル 回帰係数 :c kj ( 矢印の元 k, 矢印の先 j ) 1 c 係数行列 : C c c 3の誤差ベクトル : ε c =[ε c1,, ε cm ] T 4 のモデル 回帰係数 :d lj ( 矢印の元 l, 矢印の先 j ) d 21 0 係数行列 : D d d ( 対角要素がゼロの下三角行列 ) 4の誤差ベクトル : ε d =[ε d1,, ε dp ] T 3 のモデル 4 のモデル 8

3 共分散構造分析モデル パラメータ推定 1~4 までをまとめて表記 例 f =[f 1, f 2 ] T, x =[x 1, x 2, x 3, x 4 ] T, e f =[f 1, ε b2 ] T, e x =[ε a1, ε a2, ε a3, ε a4 ] T B 0 0 b 0,A a 0 a 0, C 0 a 0 a V e σ 0,V e 0 σ 共分散構造分析モデル σ σ, D σ σ σ σ 先週と因子負荷量の Notation を揃えたため A と B の順序に注意に x 1 x 2 x 3 x 4 f 1 f 2 9 の母分散共分散行列 check! W 0 M I P,W I パラメータ推定の方法 B C A D,Σ Cove f,e f Cove f,e x と標本共分散行列 S ( データ ) を利用 最小 2 乗法 最尤法 L(Σ {x i }) = Cove f,e x Cove x,e x 10 識別性のないモデル パラメータ推定が本質的にできないモデル どんなモデルでもパラメータ推定できるわけではない 例 : 共分散構造分析モデルは連立方程式 不定形の場合は識別性がない 識別性を確保できるモデル ~2 次因子モデル 例 : サービス品質測定モデル SERVQUAL 5 つの構成概念 22 の質問項目 x 1 x 4 x 5 有形性 信頼性 x 9 識別のための必要十分条件は分かっていない いくつかの十分条件は知られている x 10 x 13 反応性 知覚サービス品質 詳細は参考文献を参照 十分条件による識別 数値解による識別 ノウハウによる識別 x 14 x 18 x 19 共感性 共感性 参考文献 : 豊田秀樹 共分散構造分析 [ 入門編 ] 朝倉書店 (1998) 11 x A. Parasuraman, et.al. A Conceptual Model of Service and Its Implications for Future Research, Journal of Marketing, 49(4), pp (1985)

4 識別性を確保できるモデル ~MIMIC モデル MIMIC モデル Multiple Indicator Multiple Cause Model (3) があるモデル 収入 学歴 職業威信 Multiple Cause ε 4 人脈 社会的地位 知名度 社会参加 Multiple Indicator 参考文献 : 豊田秀樹 共分散構造分析 [ 入門編 ] 朝倉書店 (1998) ε 3 13 R による実行例 例 : リピート購買への満足度の関与 係数の推定の後 適合度指標やモデル選択基準で他のモデルと比較 library(lavaan) Data = read.csv(" Model1 = " =~ Sat + +q1+q2+q3 =~ + +c1+c2+c3 =~ Sat +v1+v2+v3 Sat =~ +cs1+cs2+cs3 =~ r1+r2+r3" Fit.sem1 = sem(model1, data=data, std.lv=true) summary(fit.sem1) Model C. Chapman, E.M. Feit, R for Marketing Research and Analytics, Splinge015 χ2 乗検定 モデルの評価指標 帰無仮説 H 0 : モデルは真 仮説が棄却できない方が望ましい 適合度指標 (GFI, AGFI, CFI) 値の大きい方が (0.9 以上 ) が望ましい 平均 2 乗誤差に基づく指標 (RMSEA, SRMA) 値の小さいが望ましい 情報量基準 (AIC, BIC) 値の小さい方が望ましい GFI: Goodness of Fit Index AGFI: Adjusted Goodness of Fit Index CFI: Comparative Fit Index RMSEA: Root Mean Square Error of Approximation SRMA: Standardized Root Mean Square Residual AIC: Akaike Information Criterion BIC: Bayesian Information Criterion 15 モデル選択 Model2 = " =~ Sat + +q1+q2+q3 =~ +c1+c2+c3 =~ Sat +v1+v2+v3 Sat =~ +cs1+cs2+cs3 =~ r1+r2+r3" Fit.sem2 = sem(model2, data=data, std.lv=true) summary(fit.sem2) fitmeasures(fit.sem1, c("chisq", "df", "pvalue", "GFI", "AGFI", "RMSEA", "SRMR", "AIC", "BIC")) fitmeasures(fit.sem2, c("chisq", "df", "pvalue", "GFI", "AGFI", "RMSEA", "SRMR", "AIC", "BIC")) モデルの比較 Model 2 > fitmeasures(fit.sem1, c("chisq", "df", "pvalue", "GFI", "AGFI", "RMSEA", "SRMR", "AIC", "BIC")) chisq df pvalue gfi agfi rmsea srmr aic bic > fitmeasures(fit.sem2, c("chisq", "df", "pvalue", "GFI", "AGFI", "RMSEA", "SRMR", "AIC", "BIC")) chisq df pvalue gfi agfi rmsea srmr aic bic C. Chapman, E.M. Feit, R for Marketing Research and Analytics, Splinge015

5 補足 :PLS-SEM Partial Least Square ベースの共分散構造分析 近年 マーケティング分野での使用が盛んに 合成変数 (Formative Index) を利用できる メリット :CB-SEM では推定できないモデルも推定可能な場合あり デメリット : モデル検証ができない 推定法がアドホック CB-SEM vs PLS-SEM Reflective vs Formative マーケティング :JF. Hair et.al, PLS-SEM: Indeed a Silver Bullet, Journal of Marketing Theory and Practice, 19(2) (2011) 心理学 :M. Ronkko et.al., On the Adoption of Partial Least Squares in Psychological Research: Caveat Emptor. Personality and Individual Differences, 87 (2015) 経営情報システム :CM. Ringle, et.al., A Critical Look at the Use of PLS-SEM in MIS Quarterly, MIS Quarterly, 36(1), iii-xiv (2012) 17

1 Stata SEM LightStone 3 2 SEM. 2., 2,. Alan C. Acock, Discovering Structural Equation Modeling Using Stata, Revised Edition, Stata Press.

1 Stata SEM LightStone 3 2 SEM. 2., 2,. Alan C. Acock, Discovering Structural Equation Modeling Using Stata, Revised Edition, Stata Press. 1 Stata SEM LightStone 3 2 SEM. 2., 2,. Alan C. Acock, 2013. Discovering Structural Equation Modeling Using Stata, Revised Edition, Stata Press. 2 3 2 Conservative Depress. 3.1 2. SEM. 1. x SEM. Depress.

More information

構造方程式モデリング Structural Equation Modeling (SEM)

構造方程式モデリング Structural Equation Modeling (SEM) 時間でだいたいわかる 構造方程式モデリング Structural Equaton Modlng (SEM) 構造方程式モデリングとは何か 構造方程式モデリング (Structural Equaton Modlng, SEM) とは : 別名 共分散構造分析 (coaranc structural analyss) 構成概念やの性質を調べるために集めた多くのを同時に分析するための統計的方法 本来 構造方程式モデリングは主に以下の3つを含みます

More information

Microsoft PowerPoint - データ解析発表2用パワポ

Microsoft PowerPoint - データ解析発表2用パワポ 7/3 教育学研究科 M1 藤田弥世 SEM とは structural equation model の略 ; 構造方程式モデル ( 別名. 共分散構造分析 ) 多変量解析の色々な手法を統合したモデル 相関行列や共分散行列を利用して 多くの変数間の関係を総合的に分析する手法 共分散 ( 相関係数 ) の観点から 相関係数で関連の大小を評価することができるデータすべてに適用可能 パス解析との違い 前回の授業の修正点

More information

? ( ) () ( [2] [3] [7] ) ( [4, 5] [1] ) (0) (0) ) 1995 SSM 2.4 MANOVA 2 ( 1) ( 2) ( 3) 1)

? ( ) () ( [2] [3] [7] ) ( [4, 5] [1] ) (0) (0) ) 1995 SSM 2.4 MANOVA 2 ( 1) ( 2) ( 3) 1) 6 1 2 2.1 2000 21 42 ( 2000 6 25 ) 1396 202 2000 11 14 60 5 9.0 77% 5 62.1% 1999 6 ? ( ) () ( [2] [3] [7] ) ( [4, 5] [1] ) 2.2 1 (0) (0) 2.3 2 1) 1995 SSM 2.4 MANOVA 2 ( 1) ( 2) ( 3) 1) 1: 3 1 2 163 45

More information

Microsoft PowerPoint - 資料04 重回帰分析.ppt

Microsoft PowerPoint - 資料04 重回帰分析.ppt 04. 重回帰分析 京都大学 加納学 Division of Process Control & Process Sstems Engineering Department of Chemical Engineering, Koto Universit manabu@cheme.koto-u.ac.jp http://www-pse.cheme.koto-u.ac.jp/~kano/ Outline

More information

日本言語科学会(JSLS)チュートリアル講演会 平成13年12月16日(日)午前10時30分から午後4時30分 慶應義塾大学三田キャンパス東館6階G-SEC Lab   言語研究のための統計解析 「論理」学としての思考法,「美」学としての提示法

日本言語科学会(JSLS)チュートリアル講演会 平成13年12月16日(日)午前10時30分から午後4時30分 慶應義塾大学三田キャンパス東館6階G-SEC Lab    言語研究のための統計解析 「論理」学としての思考法,「美」学としての提示法 2008 年 12 月 20 日 ( 土曜日 ), 午後 1 時から午後 4 時半まで麗澤大学 生涯教育プラザ 1 階 プラザホール麗澤大学言語研究センター及び言語科学会 2008 年度会員講習会 SEM ( 構造方程式モデリング ) および パス解析を使った日本語の習得研究 1.AMOS による SEM 分析法入門 麗澤大学 教授玉岡賀津雄 ( たまおかかつお ) E-mail: ktamaoka@gc4.so-net.ne.jp

More information

Microsoft Word 野口博司.docx

Microsoft Word 野口博司.docx 流通科学大学論集 経済 情報 政策編 第 22 巻第 号,83-98(203) 企業分析と因果分析 Business Analysis and Causal Analysis 野口博司 * ** 磯貝恭史 Hiroshi Noguchi, Takafumi Isogai 次元縮約を行い探索的に要因構造を探る方法論については 前回に報告した 一方 最初から要因構造を想定し それを検証する方法論としては

More information

ビジネス統計 統計基礎とエクセル分析 正誤表

ビジネス統計 統計基礎とエクセル分析 正誤表 ビジネス統計統計基礎とエクセル分析 ビジネス統計スペシャリスト エクセル分析スペシャリスト 公式テキスト正誤表と学習用データ更新履歴 平成 30 年 5 月 14 日現在 公式テキスト正誤表 頁場所誤正修正 6 知識編第 章 -3-3 最頻値の解説内容 たとえば, 表.1 のデータであれば, 最頻値は 167.5cm というたとえば, 表.1 のデータであれば, 最頻値は 165.0cm ということになります

More information

1 Stata SEM LightStone 4 SEM 4.. Alan C. Acock, Discovering Structural Equation Modeling Using Stata, Revised Edition, Stata Press 3.

1 Stata SEM LightStone 4 SEM 4.. Alan C. Acock, Discovering Structural Equation Modeling Using Stata, Revised Edition, Stata Press 3. 1 Stata SEM LightStone 4 SEM 4.. Alan C. Acock, 2013. Discovering Structural Equation Modeling Using Stata, Revised Edition, Stata Press 3. 2 4, 2. 1 2 2 Depress Conservative. 3., 3,. SES66 Alien67 Alien71,

More information

<4D F736F F F696E74202D B835E89F090CD94AD955C F837C2E F4390B394C55B315D>

<4D F736F F F696E74202D B835E89F090CD94AD955C F837C2E F4390B394C55B315D> 自分の現在の研究テーマ 第 4 回自分の研究紹介 & Amos を用いたパス解析実習 藤田弥世 妬みを抱いた相手に出会ったとき その相手に対して注意バイアスが働くのか? 注意バイアスとは ; ある刺激に対して敏感になり その刺激に選択的に注意をむけてしまうこと 且つ その刺激から注意をそらすことが困難であること 先行研究内容紹介 情動と注意バイアスの関係 Todd, R. M. et al(2012)

More information

回帰分析の用途・実験計画法の意義・グラフィカルモデリングの活用 | 永田 靖教授(早稲田大学)

回帰分析の用途・実験計画法の意義・グラフィカルモデリングの活用 | 永田 靖教授(早稲田大学) 回帰分析の用途 実験計画法の意義 グラフィカルモデリングの活用 早稲田大学創造理工学部 経営システム工学科 永田靖, The Institute of JUSE. All Rights Reserved. 内容. 回帰分析の結果の解釈の仕方. 回帰分析による要因効果の把握の困難さ. 実験計画法の意義 4. グラフィカルモデリング 参考文献 : 統計的品質管理 ( 永田靖, 朝倉書店,9) 入門実験計画法

More information

How to Draw a Beautiful Path Diagram 異文化言語教育評価 担当 :M.S. Goal: A PC tutor conducted a student satisfaction survey. He (She?) wants to know how differen

How to Draw a Beautiful Path Diagram 異文化言語教育評価 担当 :M.S. Goal: A PC tutor conducted a student satisfaction survey. He (She?) wants to know how differen How to Draw a Beautiful Path Diagram Goal: A PC tutor conducted a student satisfaction survey. He (She?) wants to know how different variables lead to the students satisfaction. Make the Diagram: Step

More information

Taro-13semiamos.jtd

Taro-13semiamos.jtd 分析実習資料 2013/12/17 AMOS による構造方程式モデルの分析入門 村瀬 洋一 1. 構造方程式モデルの考え方 1.1. 分析の目的エイモスやリズレル EQSなどのソフトを使うと 因子を使った重回帰分析等 構造方程式モデル ( セム 共分散構造分析とも言う ) と呼ばれる高度な分析を行うことができる 通常の分析だと まず因子得点を作り その後に重回帰分析を行うが 構造方程式モデルでは 最尤推定法により一括して計算結果を出すため

More information

Microsoft PowerPoint - e-stat(OLS).pptx

Microsoft PowerPoint - e-stat(OLS).pptx 経済統計学 ( 補足 ) 最小二乗法について 担当 : 小塚匡文 2015 年 11 月 19 日 ( 改訂版 ) 神戸大学経済学部 2015 年度後期開講授業 補足 : 最小二乗法 ( 単回帰分析 ) 1.( 単純 ) 回帰分析とは? 標本サイズTの2 変数 ( ここではXとY) のデータが存在 YをXで説明する回帰方程式を推定するための方法 Y: 被説明変数 ( または従属変数 ) X: 説明変数

More information

スライド 1

スライド 1 データ解析特論重回帰分析編 2017 年 7 月 10 日 ( 月 )~ 情報エレクトロニクスコース横田孝義 1 ( 単 ) 回帰分析 単回帰分析では一つの従属変数 ( 目的変数 ) を 一つの独立変数 ( 説明変数 ) で予測する事を考える 具体的には y = a + bx という回帰直線 ( モデル ) でデータを代表させる このためにデータからこの回帰直線の切片 (a) と傾き (b) を最小

More information

0 部分的最小二乗回帰 Partial Least Squares Regression PLS 明治大学理 学部応用化学科 データ化学 学研究室 弘昌

0 部分的最小二乗回帰 Partial Least Squares Regression PLS 明治大学理 学部応用化学科 データ化学 学研究室 弘昌 0 部分的最小二乗回帰 Parial Leas Squares Regressio PLS 明治大学理 学部応用化学科 データ化学 学研究室 弘昌 部分的最小二乗回帰 (PLS) とは? 部分的最小二乗回帰 (Parial Leas Squares Regressio, PLS) 線形の回帰分析手法の つ 説明変数 ( 記述 ) の数がサンプルの数より多くても計算可能 回帰式を作るときにノイズの影響を受けにくい

More information

スライド 1

スライド 1 データ解析特論第 10 回 ( 全 15 回 ) 2012 年 12 月 11 日 ( 火 ) 情報エレクトロニクス専攻横田孝義 1 終了 11/13 11/20 重回帰分析をしばらくやります 12/4 12/11 12/18 2 前回から回帰分析について学習しています 3 ( 単 ) 回帰分析 単回帰分析では一つの従属変数 ( 目的変数 ) を 一つの独立変数 ( 説明変数 ) で予測する事を考える

More information

2012メソ研論集 今野

2012メソ研論集 今野 外国語教育メディア学会 (LET) 関西支部メソドロジー研究部会 2012 年度報告論集 今野勝幸 (pp. 68 74) 構造方程式モデリング モデル構築の再検討 今野勝幸 静岡理工科大学 概要構造方程式モデリングは 仮説として提案した変数間の関係性をモデル化し その妥当性を検証するという点において非常に有用な統計的分析ツールである 特に動機づけの構造を明らかにするという観点から 近年 英語学習動機づけ研究において使用例が増えている

More information

Microsoft PowerPoint - H17-5時限(パターン認識).ppt

Microsoft PowerPoint - H17-5時限(パターン認識).ppt パターン認識早稲田大学講義 平成 7 年度 独 産業技術総合研究所栗田多喜夫 赤穂昭太郎 統計的特徴抽出 パターン認識過程 特徴抽出 認識対象から何らかの特徴量を計測 抽出 する必要がある 認識に有効な情報 特徴 を抽出し 次元を縮小した効率の良い空間を構成する過程 文字認識 : スキャナ等で取り込んだ画像から文字の識別に必要な本質的な特徴のみを抽出 例 文字線の傾き 曲率 面積など 識別 与えられた未知の対象を

More information

 

  1 3 1. 5 2. 5 1. 7 2. 10 3. 11 4. 12 1 12 2) 12 5. 14 1 14 2 14 6. 16 1 16 2 21 3 22 7. 23 1 23 2 24 3 25 4 26 5 27 8. 28 1 28 9. 29 1 29 2 29 3 30 4 30 1. 1 31 1) 31 2 31 3 31 4 32 2. 32 3. 32 4. 1 33

More information

多変量解析 ~ 重回帰分析 ~ 2006 年 4 月 21 日 ( 金 ) 南慶典

多変量解析 ~ 重回帰分析 ~ 2006 年 4 月 21 日 ( 金 ) 南慶典 多変量解析 ~ 重回帰分析 ~ 2006 年 4 月 21 日 ( 金 ) 南慶典 重回帰分析とは? 重回帰分析とは複数の説明変数から目的変数との関係性を予測 評価説明変数 ( 数量データ ) は目的変数を説明するのに有効であるか得られた関係性より未知のデータの妥当性を判断する これを重回帰分析という つまり どんなことをするのか? 1 最小 2 乗法により重回帰モデルを想定 2 自由度調整済寄与率を求め

More information

14 化学実験法 II( 吉村 ( 洋 mmol/l の半分だったから さんの測定値は くんの測定値の 4 倍の重みがあり 推定値 としては 0.68 mmol/l その標準偏差は mmol/l 程度ということになる 測定値を 特徴づけるパラメータ t を推定するこの手

14 化学実験法 II( 吉村 ( 洋 mmol/l の半分だったから さんの測定値は くんの測定値の 4 倍の重みがあり 推定値 としては 0.68 mmol/l その標準偏差は mmol/l 程度ということになる 測定値を 特徴づけるパラメータ t を推定するこの手 14 化学実験法 II( 吉村 ( 洋 014.6.1. 最小 乗法のはなし 014.6.1. 内容 最小 乗法のはなし...1 最小 乗法の考え方...1 最小 乗法によるパラメータの決定... パラメータの信頼区間...3 重みの異なるデータの取扱い...4 相関係数 決定係数 ( 最小 乗法を語るもう一つの立場...5 実験条件の誤差の影響...5 問題...6 最小 乗法の考え方 飲料水中のカルシウム濃度を

More information

Microsoft Word - reg2.doc

Microsoft Word - reg2.doc 回帰分析 重回帰 麻生良文. 前提 個の説明変数からなるモデルを考える 重回帰モデル : multple regresso model α β β β u : 被説明変数 epled vrle, 従属変数 depedet vrle, regressd :,,.., 説明変数 epltor vrle, 独立変数 depedet vrle, regressor u: 誤差項 error term, 撹乱項

More information

論文内容の要旨

論文内容の要旨 論文の内容の要旨 大腸癌検診における精密検査の受診に関連する要因 指導教員甲斐一郎教授東京大学大学院医学系研究科平成 16 年 4 月進学博士課程健康科学 看護学専攻氏名鄭迎芳 第 Ⅰ 章緒言日本の大腸癌による死亡者数は急増し 年齢調整死亡率は諸外国に比べて上位の水準に達している しかし 日本の大腸癌検診では 一次検診で精密検査 ( 以下 精査と略す ) が必要と判定された者の精査受診率は 60%

More information

Kumamoto University Center for Multimedia and Information Technologies Lab. 熊本大学アプリケーション実験 ~ 実環境における無線 LAN 受信電波強度を用いた位置推定手法の検討 ~ InKIAI 宮崎県美郷

Kumamoto University Center for Multimedia and Information Technologies Lab. 熊本大学アプリケーション実験 ~ 実環境における無線 LAN 受信電波強度を用いた位置推定手法の検討 ~ InKIAI 宮崎県美郷 熊本大学アプリケーション実験 ~ 実環境における無線 LAN 受信電波強度を用いた位置推定手法の検討 ~ InKIAI プロジェクト @ 宮崎県美郷町 熊本大学副島慶人川村諒 1 実験の目的 従来 信号の受信電波強度 (RSSI:RecevedSgnal StrengthIndcator) により 対象の位置を推定する手法として 無線 LAN の AP(AccessPont) から受信する信号の減衰量をもとに位置を推定する手法が多く検討されている

More information

集中理論談話会 #9 Bhat, C.R., Sidharthan, R.: A simulation evaluation of the maximum approximate composite marginal likelihood (MACML) estimator for mixed mu

集中理論談話会 #9 Bhat, C.R., Sidharthan, R.: A simulation evaluation of the maximum approximate composite marginal likelihood (MACML) estimator for mixed mu 集中理論談話会 #9 Bhat, C.R., Sidharthan, R.: A simulation evaluation of the maximum approximate composite marginal likelihood (MACML) estimator for mixed multinomial probit models, Transportation Research Part

More information

Microsoft Word - Text_6_STATA_2_Jp_ doc

Microsoft Word - Text_6_STATA_2_Jp_ doc 表示がやや変である (+2E などが買ってに加わっている 3 つの矢印をクリックす変数の正確な値が表示される その正確な値を使って次の式を書くことができる Y = 1571.73+ 258.50 pop 1913. 85 trashbag 以下の SPSS AMOS で算出した価と一致していことを確認してほしい 23 View > Standardized Estimates を選択する すると以下のような標準化係数が得られる

More information

(3) 検定統計量の有意確率にもとづく仮説の採否データから有意確率 (significant probability, p 値 ) を求め 有意水準と照合する 有意確率とは データの分析によって得られた統計値が偶然おこる確率のこと あらかじめ設定した有意確率より低い場合は 帰無仮説を棄却して対立仮説

(3) 検定統計量の有意確率にもとづく仮説の採否データから有意確率 (significant probability, p 値 ) を求め 有意水準と照合する 有意確率とは データの分析によって得られた統計値が偶然おこる確率のこと あらかじめ設定した有意確率より低い場合は 帰無仮説を棄却して対立仮説 第 3 章 t 検定 (pp. 33-42) 3-1 統計的検定 統計的検定とは 設定した仮説を検証する場合に 仮説に基づいて集めた標本を 確率論の観点から分析 検証すること 使用する標本は 母集団から無作為抽出されたものでなければならない パラメトリック検定とノンパラメトリック検定 パラメトリック検定は母集団が正規分布に従う間隔尺度あるいは比率尺度の連続データを対象とする ノンパラメトリック検定は母集団に特定の分布を仮定しない

More information

+深見将志.indd

+深見将志.indd .. A B WHO WHO Danish GOAL GOAL WHO GOAL Hodge et al., a Danish, Bailey. Deci & Ryan Self-determination theory Deci & Ryan. Finkel SEM 1 2 e1 e2 Time,Time Time Time... Ryan & Deci. SEM Time1 Time2 e1 e2

More information

景気指標の新しい動向

景気指標の新しい動向 内閣府経済社会総合研究所 経済分析 22 年第 166 号 4 時系列因子分析モデル 4.1 時系列因子分析モデル (Stock-Watson モデル の理論的解説 4.1.1 景気循環の状態空間表現 Stock and Watson (1989,1991 は観測される景気指標を状態空間表現と呼ば れるモデルで表し, 景気の状態を示す指標を開発した. 状態空間表現とは, わ れわれの目に見える実際に観測される変数は,

More information

製造ータの因果分析 | 野中 英和氏(TDK株式会社)

製造ータの因果分析 | 野中 英和氏(TDK株式会社) E3 水分 硬度 E4 D2 F2 F3 D3 製造データの因果分析 V999 F1 D1 E1 中間粘度 SEMとグラフィカルモデルを使った製造データの要因解析 完成粘度 TDK 株式会社 品質保証部 野中英和 1 製造データの特徴 製造工程でデータを取る主目的は 管理状態 であることを確認するため 2 製造データの特徴 安定した工程で採取される 製造データは動いていないことが多い 動いていないデータは安定した工程の証拠

More information

因子分析

因子分析 因子分析 心理データ解析演習 M1 枡田恵 2013.6.5. 1 因子分析とは 因子分析とは ある観測された変数 ( 質問項目への回答など ) が どのような潜在的な変数 ( 観測されない 仮定された変数 ) から影響を受けているかを探る手法 多変量解析の手法の一つ 複数の変数の関係性をもとにした構造を探る際によく用いられる 2 因子分析とは 探索的因子分析 - 多くの観測変数間に見られる複雑な相関関係が

More information

スライド 1

スライド 1 データ解析特論第 5 回 ( 全 15 回 ) 2012 年 10 月 30 日 ( 火 ) 情報エレクトロニクス専攻横田孝義 1 をもっとやります 2 第 2 回 3 データマイニングの分野ではマクロ ( 巨視的 ) な視点で全体を捉える能力が求められる 1. コンピュータは数値の集合として全体を把握していますので 意味ある情報として全体を見ることが不得意 2. 逆に人間には もともと空間的に全体像を捉える能力が得意

More information

Microsoft Word - 計量研修テキスト_第5版).doc

Microsoft Word - 計量研修テキスト_第5版).doc Q3-1-1 テキスト P59 10.8.3.2.1.0 -.1 -.2 10.4 10.0 9.6 9.2 8.8 -.3 76 78 80 82 84 86 88 90 92 94 96 98 R e s i d u al A c tual Fi tte d Dependent Variable: LOG(TAXH) Date: 10/26/05 Time: 15:42 Sample: 1975

More information

Probit , Mixed logit

Probit , Mixed logit Probit, Mixed logit 2016/5/16 スタートアップゼミ #5 B4 後藤祥孝 1 0. 目次 Probit モデルについて 1. モデル概要 2. 定式化と理解 3. 推定 Mixed logit モデルについて 4. モデル概要 5. 定式化と理解 6. 推定 2 1.Probit 概要 プロビットモデルとは. 効用関数の誤差項に多変量正規分布を仮定したもの. 誤差項には様々な要因が存在するため,

More information

Exploring the Art of Vocabulary Learning Strategies: A Closer Look at Japanese EFL University Students A Dissertation Submitted t

Exploring the Art of Vocabulary Learning Strategies: A Closer Look at Japanese EFL University Students A Dissertation Submitted t Exploring the Art of Vocabulary Learning Strategies: A Closer Look at Japanese EFL University Students MIZUMOTO, Atsushi Graduate School of Foreign Language Education and Research, Kansai University, Osaka,

More information

Microsoft Word - 修士論文(完成) docx

Microsoft Word - 修士論文(完成) docx Motivation of Sport Spectator Focus on Ice Hockey Spectators Maru Tomoko 4 4 7 8 8 8 12 13 13 14 15 KJ 17 18 21 Cronbach s 35 35 2 45 46 48 50 54 54 56 57 59 61 64 70 3 ,,. 2007,2008 2010 4 2008 Wann 2008

More information

Medical3

Medical3 Chapter 1 1.4.1 1 元配置分散分析と多重比較の実行 3つの治療法による測定値に有意な差が認められるかどうかを分散分析で調べます この例では 因子が1つだけ含まれるため1 元配置分散分析 one-way ANOVA の適用になります また 多重比較法 multiple comparison procedure を用いて 具体的のどの治療法の間に有意差が認められるかを検定します 1. 分析メニュー

More information

Mplus講習会

Mplus講習会 Mplus による構造方程式モデリング 入門 資料ダウンロード : http://bit.ly/1gjidfv 清水裕士広島大学 simizu706@hiroshima-u.ac.jp http://norimune.net 1 Mplus 導入編 2 Mplus とは Muthén&Muthén が作った統計ソフトウェア 主に構造方程式モデリングのためのソフト http://www.statmodel.com/

More information

ベイズ統計入門

ベイズ統計入門 ベイズ統計入門 条件付確率 事象 F が起こったことが既知であるという条件の下で E が起こる確率を条件付確率 (codtoal probablt) という P ( E F ) P ( E F ) P( F ) 定義式を変形すると 確率の乗法公式となる ( E F ) P( F ) P( E F ) P( E) P( F E) P 事象の独立 ある事象の生起する確率が 他のある事象が生起するかどうかによって変化しないとき

More information

以下の内容について説明する 1. VAR モデル推定する 2. VAR モデルを用いて予測する 3. グレンジャーの因果性を検定する 4. インパルス応答関数を描く 1. VAR モデルを推定する ここでは VAR(p) モデル : R による時系列分析の方法 2 y t = c + Φ 1 y t

以下の内容について説明する 1. VAR モデル推定する 2. VAR モデルを用いて予測する 3. グレンジャーの因果性を検定する 4. インパルス応答関数を描く 1. VAR モデルを推定する ここでは VAR(p) モデル : R による時系列分析の方法 2 y t = c + Φ 1 y t 以下の内容について説明する 1. VAR モデル推定する 2. VAR モデルを用いて予測する 3. グレンジャーの因果性を検定する 4. インパルス応答関数を描く 1. VAR モデルを推定する ここでは VAR(p) モデル : R による時系列分析の方法 2 y t = c + Φ 1 y t 1 + + Φ p y t p + ε t, ε t ~ W.N(Ω), を推定することを考える (

More information

Microsoft Word - 計量研修テキスト_第5版).doc

Microsoft Word - 計量研修テキスト_第5版).doc Q4-1 テキスト P83 多重共線性が発生する回帰 320000 280000 240000 200000 6000 4000 160000 120000 2000 0-2000 -4000 74 76 78 80 82 84 86 88 90 92 94 96 98 R e s i dual A c tual Fi tted Dependent Variable: C90 Date: 10/27/05

More information

1 Stata SEM LightStone 1 5 SEM Stata Alan C. Acock, Discovering Structural Equation Modeling Using Stata, Revised Edition, Stata Press. Introduc

1 Stata SEM LightStone 1 5 SEM Stata Alan C. Acock, Discovering Structural Equation Modeling Using Stata, Revised Edition, Stata Press. Introduc 1 Stata SEM LightStone 1 5 SEM Stata Alan C. Acock, 2013. Discovering Structural Equation Modeling Using Stata, Revised Edition, Stata Press. Introduction to confirmatory factor analysis 9 Stata14 2 1

More information

様式 3 論文内容の要旨 氏名 ( 神﨑光子 ) 論文題名 周産期における家族機能が母親の抑うつ 育児自己効力感 育児関連のストレス反応に及ぼす影響 論文内容の要旨 緒言 女性にとって周産期は 妊娠 分娩 産褥各期の身体的変化だけでなく 心理的 社会的にも変化が著しいため うつ病を中心とした気分障害

様式 3 論文内容の要旨 氏名 ( 神﨑光子 ) 論文題名 周産期における家族機能が母親の抑うつ 育児自己効力感 育児関連のストレス反応に及ぼす影響 論文内容の要旨 緒言 女性にとって周産期は 妊娠 分娩 産褥各期の身体的変化だけでなく 心理的 社会的にも変化が著しいため うつ病を中心とした気分障害 Title Author(s) 周産期における家族機能が母親の抑うつ 育児自己効力感 育児関連のストレス反応に及ぼす影響 神﨑, 光子 Citation Issue Date Text Version none URL http://hdl.handle.net/11094/53903 DOI rights 様式 3 論文内容の要旨 氏名 ( 神﨑光子 ) 論文題名 周産期における家族機能が母親の抑うつ

More information

統合失調症における幼少期ストレス、人格傾向が抑うつ症状と自殺念慮・自殺企図に与える影響 [全文の要約]

統合失調症における幼少期ストレス、人格傾向が抑うつ症状と自殺念慮・自殺企図に与える影響 [全文の要約] Title 統合失調症における幼少期ストレス 人格傾向が抑うつ症状と自殺念慮 自殺企図に与える影響 [ 全文の要約 ] Author(s) 大久保, 亮 Issue Date 2017-03-23 Doc URL http://hdl.handle.net/2115/66004 Type theses (doctoral - abstract of entire text) Note この博士論文全文の閲覧方法については

More information

重回帰式 y= x x 2 重症度 5 TC TC 重症度

重回帰式 y= x x 2 重症度 5 TC TC 重症度 3. 重回帰分析 3.1 重回帰分析の原理 重回帰分析は説明変数が複数になった回帰分析 (1) 重回帰モデル ある結果項目に影響を与えている原因項目が複数ありしかも原因項目間に相関関係がある 複数の原因項目間の相関関係を考慮して結果項目との間の因果関係の内容を検討したい 重回帰分析を適用重回帰分析は目的変数が 1 つで 説明変数が複数でお互いに相関がある時の回帰分析 目的変数には誤差変動があり 説明変数には誤差変動がないことを前提にしている

More information

memo

memo 数理情報工学特論第一 機械学習とデータマイニング 4 章 : 教師なし学習 3 かしまひさし 鹿島久嗣 ( 数理 6 研 ) kashima@mist.i.~ DEPARTMENT OF MATHEMATICAL INFORMATICS 1 グラフィカルモデルについて学びます グラフィカルモデル グラフィカルラッソ グラフィカルラッソの推定アルゴリズム 2 グラフィカルモデル 3 教師なし学習の主要タスクは

More information

Microsoft PowerPoint - A1.ppt [互換モード]

Microsoft PowerPoint - A1.ppt [互換モード] 011/4/13 付録 A1( 推測統計学の基礎 ) 付録 A1 推測統計学の基礎 1. 統計学. カイ 乗検定 3. 分散分析 4. 相関係数 5. 多変量解析 1. 統計学 3 統計ソフト 4 記述統計学 推測統計学 検定 ノンパラメトリック検定名義 / 分類尺度順序 / 順位尺度パラメトリック検定間隔 / 距離尺度比例 / 比率尺度 SAS SPSS R R-Tps (http://cse.aro.affrc.go.jp/takezawa/r-tps/r.html)

More information

Microsoft Word - eviews6_

Microsoft Word - eviews6_ 6 章 : 共和分と誤差修正モデル 2017/11/22 新谷元嗣 藪友良 石原卓弥 教科書 6 章 5 節のデータを用いて エングル = グレンジャーの方法 誤差修正モデル ヨハンセンの方法を学んでいこう 1. データの読み込みと単位根検定 COINT6.XLS のデータを Workfile に読み込む このファイルは教科書の表 6.1 の式から 生成された人工的なデータである ( 下表参照 )

More information

Microsoft Word - 補論3.2

Microsoft Word - 補論3.2 補論 3. 多変量 GARC モデル 07//6 新谷元嗣 藪友良 対数尤度関数 3 章 7 節では 変量の対数尤度を求めた ここでは多変量の場合 とくに 変量について対数尤度を求める 誤差項 は平均 0 で 次元の正規分布に従うとする 単純化のため 分散と共分散は時間を通じて一定としよう ( この仮定は後で変更される ) したがって ij から添え字 を除くことができる このとき と の尤度関数は

More information

Microsoft Word - Time Series Basic - Modeling.doc

Microsoft Word - Time Series Basic - Modeling.doc 時系列解析入門 モデリング. 確率分布と統計的モデル が確率変数 (radom varable のとき すべての実数 R に対して となる確 率 Prob( が定められる これを の関数とみなして G( Prob ( とあらわすとき G( を確率変数 の分布関数 (probablt dstrbuto ucto と呼 ぶ 時系列解析で用いられる確率変数は通常連続型と呼ばれるもので その分布関数は (

More information

PowerPoint プレゼンテーション

PowerPoint プレゼンテーション 学位論文作成のための疫学 統計解析の実際 徳島大学大学院 医歯薬学研究部 社会医学系 予防医学分野 有澤孝吉 (e-mail: karisawa@tokushima-u.ac.jp) 本日の講義の内容 (SPSS を用いて ) 記述統計 ( データのまとめ方 ) 代表値 ばらつき正規確率プロット 正規性の検定標準偏差 不偏標準偏差 標準誤差の区別中心極限定理母平均の区間推定 ( 母集団の標準偏差が既知の場合

More information

PowerPoint プレゼンテーション

PowerPoint プレゼンテーション 復習 ) 時系列のモデリング ~a. 離散時間モデル ~ y k + a 1 z 1 y k + + a na z n ay k = b 0 u k + b 1 z 1 u k + + b nb z n bu k y k = G z 1 u k = B(z 1 ) A(z 1 u k ) ARMA モデル A z 1 B z 1 = 1 + a 1 z 1 + + a na z n a = b 0

More information

k3 ( :07 ) 2 (A) k = 1 (B) k = 7 y x x 1 (k2)?? x y (A) GLM (k

k3 ( :07 ) 2 (A) k = 1 (B) k = 7 y x x 1 (k2)?? x y (A) GLM (k 2012 11 01 k3 (2012-10-24 14:07 ) 1 6 3 (2012 11 01 k3) kubo@ees.hokudai.ac.jp web http://goo.gl/wijx2 web http://goo.gl/ufq2 1 3 2 : 4 3 AIC 6 4 7 5 8 6 : 9 7 11 8 12 8.1 (1)........ 13 8.2 (2) χ 2....................

More information

2. 時系列分析 プラットフォームの使用法 JMP の 時系列分析 プラットフォームでは 一変量の時系列に対する分析を行うことができます この章では JMP のサンプルデ ータを用いて このプラットフォームの使用法をご説明します JMP のメニューバーより [ ヘルプ ] > [ サンプルデータ ]

2. 時系列分析 プラットフォームの使用法 JMP の 時系列分析 プラットフォームでは 一変量の時系列に対する分析を行うことができます この章では JMP のサンプルデ ータを用いて このプラットフォームの使用法をご説明します JMP のメニューバーより [ ヘルプ ] > [ サンプルデータ ] JMP を用いた ARIMA モデルのあてはめ SAS Institute Japan 株式会社 JMP ジャパン事業部 2013 年 2 月作成 1. はじめに JMP の時系列分析では 一変量の時系列データに対する分析や予測を行うことができ 時系列データに対するグラフ表示 時系列モデルのあてはめ モデルの評価 予測まで 対話的に分析を実行することができます 時系列データにあてはめるモデルとしては

More information

2015 3

2015 3 2015 3 1 3 1.1................................... 3 1.2................................... 4 2 5 2.1......................... 5 2.2.............. 7 2.3... 7 2.4.................. 9 3 10 3.1..............................

More information

共栄大学研究論集

共栄大学研究論集 女性看護師の職業継続を規定する要因の検討 A Look at the Factors that Determine Career Continuation Among Female Nurses : A Comparison of Different Career Stages Kieko HORII 801 Abstract The goal of this paper is to suggest

More information

Microsoft Word - 計量研修テキスト_第5版).doc

Microsoft Word - 計量研修テキスト_第5版).doc Q9-1 テキスト P166 2)VAR の推定 注 ) 各変数について ADF 検定を行った結果 和文の次数はすべて 1 である 作業手順 4 情報量基準 (AIC) によるラグ次数の選択 VAR Lag Order Selection Criteria Endogenous variables: D(IG9S) D(IP9S) D(CP9S) Exogenous variables: C Date:

More information

観測変数 1~5 因子負荷量 独自因子 a 独自因子 b 共通因子 1 独自因子 c 固有値 ( 因子寄与 ) 独自因子 d 共通因子 2 独自因子 e 共通性 補足説明因子負荷量 : 因子と観測変数の関係性を示す -1.00~+1.00 までの値を取り.60 以上で高く強い関係性があると言える.3

観測変数 1~5 因子負荷量 独自因子 a 独自因子 b 共通因子 1 独自因子 c 固有値 ( 因子寄与 ) 独自因子 d 共通因子 2 独自因子 e 共通性 補足説明因子負荷量 : 因子と観測変数の関係性を示す -1.00~+1.00 までの値を取り.60 以上で高く強い関係性があると言える.3 異文化言語教育評価論 IB M.S. 因子分析 1. 主成分分析と因子分析の基本的概念の違い主成分分析と因子分析は多数の変数から少数の変数を得ることを目的とした いわば標本が持つ情報を要約 説明するための探索型分析手段である 両分析は以下のようなモデルで示すことが出来る 主成分分析因子分析 観測変数 1 観測変数 1 観測変数 2 主成分 1 観測変数 2 因子 1 観測変数 3 観測変数 3 合成

More information

Microsoft PowerPoint - ch04j

Microsoft PowerPoint - ch04j Ch.4 重回帰分析 : 推論 重回帰分析 y = 0 + 1 x 1 + 2 x 2 +... + k x k + u 2. 推論 1. OLS 推定量の標本分布 2. 1 係数の仮説検定 : t 検定 3. 信頼区間 4. 係数の線形結合への仮説検定 5. 複数線形制約の検定 : F 検定 6. 回帰結果の報告 入門計量経済学 1 入門計量経済学 2 OLS 推定量の標本分布について OLS 推定量は確率変数

More information

1. 多変量解析の基本的な概念 1. 多変量解析の基本的な概念 1.1 多変量解析の目的 人間のデータは多変量データが多いので多変量解析が有用 特性概括評価特性概括評価 症 例 主 治 医 の 主 観 症 例 主 治 医 の 主 観 単変量解析 客観的規準のある要約多変量解析 要約値 客観的規準のな

1. 多変量解析の基本的な概念 1. 多変量解析の基本的な概念 1.1 多変量解析の目的 人間のデータは多変量データが多いので多変量解析が有用 特性概括評価特性概括評価 症 例 主 治 医 の 主 観 症 例 主 治 医 の 主 観 単変量解析 客観的規準のある要約多変量解析 要約値 客観的規準のな 1.1 多変量解析の目的 人間のデータは多変量データが多いので多変量解析が有用 特性概括評価特性概括評価 症 例 治 医 の 観 症 例 治 医 の 観 単変量解析 客観的規準のある要約多変量解析 要約値 客観的規準のない要約知識 直感 知識 直感 総合的評価 考察 総合的評価 考察 単変量解析の場合 多変量解析の場合 < 表 1.1 脂質異常症患者の TC と TG と重症度 > 症例 No. TC

More information

Microsoft Word - M4_9(N.K.).docx

Microsoft Word - M4_9(N.K.).docx 第 9 章因子分析 9-1 因子分析とは 因子分析 (factor analysis) 実験や観測によって得られた 観測変数 の背後に存在する 因子 を推定する統計的分析手段 観測変数 (observed variable) 実験や観測を通して得られたデータ ( 観測値 ) 因子 (factor) 得られた観測変数に対し影響を及ぼしている 一見すると表には出て来ていない潜在的な要因のこと 潜在変数

More information

情報工学概論

情報工学概論 確率と統計 中山クラス 第 11 週 0 本日の内容 第 3 回レポート解説 第 5 章 5.6 独立性の検定 ( カイ二乗検定 ) 5.7 サンプルサイズの検定結果への影響練習問題 (4),(5) 第 4 回レポート課題の説明 1 演習問題 ( 前回 ) の解説 勉強時間と定期試験の得点の関係を無相関検定により調べる. データ入力 > aa

More information

統計的データ解析

統計的データ解析 統計的データ解析 011 011.11.9 林田清 ( 大阪大学大学院理学研究科 ) 連続確率分布の平均値 分散 比較のため P(c ) c 分布 自由度 の ( カイ c 平均値 0, 標準偏差 1の正規分布 に従う変数 xの自乗和 c x =1 が従う分布を自由度 の分布と呼ぶ 一般に自由度の分布は f /1 c / / ( c ) {( c ) e }/ ( / ) 期待値 二乗 ) 分布 c

More information

自動車感性評価学 1. 二項検定 内容 2 3. 質的データの解析方法 1 ( 名義尺度 ) 2.χ 2 検定 タイプ 1. 二項検定 官能検査における分類データの解析法 識別できるかを調べる 嗜好に差があるかを調べる 2 点比較法 2 点識別法 2 点嗜好法 3 点比較法 3 点識別法 3 点嗜好

自動車感性評価学 1. 二項検定 内容 2 3. 質的データの解析方法 1 ( 名義尺度 ) 2.χ 2 検定 タイプ 1. 二項検定 官能検査における分類データの解析法 識別できるかを調べる 嗜好に差があるかを調べる 2 点比較法 2 点識別法 2 点嗜好法 3 点比較法 3 点識別法 3 点嗜好 . 内容 3. 質的データの解析方法 ( 名義尺度 ).χ 検定 タイプ. 官能検査における分類データの解析法 識別できるかを調べる 嗜好に差があるかを調べる 点比較法 点識別法 点嗜好法 3 点比較法 3 点識別法 3 点嗜好法 : 点比較法 : 点識別法 配偶法 配偶法 ( 官能評価の基礎と応用 ) 3 A か B かの判定において 回の判定でAが選ばれる回数 kは p の二項分布に従う H :

More information

表紙33-2号 のコピー.indd

表紙33-2号 のコピー.indd 論 説 価格の時間的リフレーミング戦略の購買意図への影響過程 白井美由里 1. はじめに価格の時間的リフレーミング (temporal reframing of price) は, 価格を消費者が日常生活においてよく用いる時間的な単位で表現することで消費者の価格に対する知覚魅力度を上昇させたり知覚取引コストを低下させたりする価格戦略である.Gourville(1998) は, この戦略を取引の合計の支出から連続した小額の日々の支出への時間的なリフレーミングと定義している.

More information

数値計算法

数値計算法 数値計算法 011/5/5 林田清 ( 大阪大学大学院理学研究科 ) レポート課題 1( 締め切りは 5/5) 平均値と標準偏差を求めるプログラム 入力 : データの数 データ データは以下の 10 個 ( 例えばある月の最高気温 ( )10 日分 ) 34.3,5.0,3.,34.6,.9,7.7,30.6,5.8,3.0,31.3 出力 :( 標本 ) 平均値 標準偏差 ソースプログラムと出力結果をメイルの本文にして

More information

Microsoft PowerPoint - 統計科学研究所_R_重回帰分析_変数選択_2.ppt

Microsoft PowerPoint - 統計科学研究所_R_重回帰分析_変数選択_2.ppt 重回帰分析 残差分析 変数選択 1 内容 重回帰分析 残差分析 歯の咬耗度データの分析 R で変数選択 ~ step 関数 ~ 2 重回帰分析と単回帰分析 体重を予測する問題 分析 1 身長 のみから体重を予測 分析 2 身長 と ウエスト の両方を用いて体重を予測 分析 1 と比べて大きな改善 体重 に関する推測では 身長 だけでは不十分 重回帰分析における問題 ~ モデルの構築 ~ 適切なモデルで分析しているか?

More information

new_SPSS_4刷はじめから のコピー

new_SPSS_4刷はじめから のコピー iii 1 1 2 4 121 4 122 8 123 8 124 10 125 14 126 17 127 18 128 19 19 20 20 21 ix 129 22 22 25 26 28 29 2 31 32 35 221 35 222 38 223 39 224 42 45 231 45 232 46 233 48 234 49 235 50 236 51 52 241 52 242 55

More information

<4D F736F F F696E74202D BD95CF97CA89F090CD F6489F18B4195AA90CD816A>

<4D F736F F F696E74202D BD95CF97CA89F090CD F6489F18B4195AA90CD816A> 主な多変量解析 9. 多変量解析 1 ( 重回帰分析 ) 目的変数 量的 説明変数 質的 あり量的 重回帰分析 数量化 Ⅰ 類 質的 判別分析 数量化 Ⅱ 類 なし 主成分分析因子分析多次元尺度構成法 数量化 Ⅲ 類数量化 Ⅳ 類 その他 クラスタ分析共分散構造分析 説明変数 : 独立変数 予測変数 目的変数 : 従属変数 基準変数 3 1. 単回帰分析各データの構造 y b ax a α: 1,,,

More information

回帰分析 単回帰

回帰分析 単回帰 回帰分析 単回帰 麻生良文 単回帰モデル simple regression model = α + β + u 従属変数 (dependent variable) 被説明変数 (eplained variable) 独立変数 (independent variable) 説明変数 (eplanator variable) u 誤差項 (error term) 撹乱項 (disturbance term)

More information

28

28 y i = Z i δ i +ε i ε i δ X y i = X Z i δ i + X ε i [ ] 1 δ ˆ i = Z i X( X X) 1 X Z i [ ] 1 σ ˆ 2 Z i X( X X) 1 X Z i Z i X( X X) 1 X y i σ ˆ 2 ˆ σ 2 = [ ] y i Z ˆ [ i δ i ] 1 y N p i Z i δ ˆ i i RSTAT

More information

Kobe University Repository : Kernel タイトル Title 著者 Author(s) 掲載誌 巻号 ページ Citation 刊行日 Issue date 資源タイプ Resource Type 版区分 Resource Version 権利 Rights DOI

Kobe University Repository : Kernel タイトル Title 著者 Author(s) 掲載誌 巻号 ページ Citation 刊行日 Issue date 資源タイプ Resource Type 版区分 Resource Version 権利 Rights DOI Kobe University Repository : Kernel タイトル Title 著者 Author(s) 掲載誌 巻号 ページ Citation 刊行日 Issue date 資源タイプ Resource Type 版区分 Resource Version 権利 Rights DOI グローバル企業ウェブサイトのマネジメント課題 : 日本企業のサンプルをもとに (Problems on

More information

Microsoft PowerPoint - S11_1 2010Econometrics [互換モード]

Microsoft PowerPoint - S11_1 2010Econometrics [互換モード] S11_1 計量経済学 一般化古典的回帰モデル -3 1 図 7-3 不均一分散の検定と想定の誤り 想定の誤りと不均一分散均一分散を棄却 3つの可能性 1. 不均一分散がある. 不均一分散はないがモデルの想定に誤り 3. 両者が同時に起きている 想定に誤り不均一分散を 検出 したら散布図に戻り関数形の想定や説明変数の選択を再検討 残差 残差 Y 真の関係 e e 線形回帰 X X 1 実行可能な一般化最小二乗法

More information

Microsoft Word - å“Ÿåłžå¸°173.docx

Microsoft Word - å“Ÿåłžå¸°173.docx 回帰分析 ( その 3) 経済情報処理 価格弾力性の推定ある商品について その購入量を w 単価を p とし それぞれの変化量を w p で表 w w すことにする この時 この商品の価格弾力性 は により定義される これ p p は p が 1 パーセント変化した場合に w が何パーセント変化するかを示したものである ここで p を 0 に近づけていった極限を考えると d ln w 1 dw dw

More information

Mplus講習会

Mplus講習会 今日からはじめる! Mplus と による 構造方程式モデリング 小杉考司 ( 山口大学 ) 清水裕士 ( 広島大学 ) おしながき Mplus 導入編 11:35~12:05(30min) Mplus 活用編 12:05~12:25(20min) R でやってみる 12:25~12:40(15min) 質疑など 12:40~13:00(20min) 2 講師自己紹介 小杉考司 所属 ; 山口大学教育学部

More information

サッカーのトラッキングデータからの守備戦術プレーの達成度評価

サッカーのトラッキングデータからの守備戦術プレーの達成度評価 サッカーのトラッキングデータからの守備戦術プレーの達成度評価 松岡弘樹 ( 筑波大学大学院 ) 田原康寛, 中村環, 猶本光, 安藤梢, 見汐翔太 ( 筑波大学大学院 ) 山守杏奈, 西嶋尚彦 ( 筑波大学 ) 連絡先 ( 305-8574 つくば市天王台 1-1-1 筑波大学体育科学系, TEL&FAX: 029-853-2654,E-mail: nishi@taiiku.tsukuba.ac.jp)

More information

株式会社エスミ 統計総合カタログ2018年4月版

株式会社エスミ 統計総合カタログ2018年4月版 シリーズ概要 EXCEL 統計解析シリーズ 動作環境 エスミのEXCEL 統計解析シリーズ /Mac 統計解析シリーズは Microsoft Excel 上で動作する統計解析ソフトウエアです Excelがインストールされているパソコンならば どなたでもお使いいただけるソフトウエアです ( Excelのバージョンなどによっては 正常に動作しない場合があります 詳しくは後述する 動作環境 欄をご参照ください

More information

過去の習慣が現在の習慣に与える影響 インターネットの利用習慣の持ち越し 松岡大暉 ( 東北大学教育学部 ) 1 問題関心本研究の目的は, インターネットの利用の習慣について, 過去のインターネットの利用習慣が現在のインターネットの利用の習慣に影響を与えるかを検証することである. まず, 本研究の中心

過去の習慣が現在の習慣に与える影響 インターネットの利用習慣の持ち越し 松岡大暉 ( 東北大学教育学部 ) 1 問題関心本研究の目的は, インターネットの利用の習慣について, 過去のインターネットの利用習慣が現在のインターネットの利用の習慣に影響を与えるかを検証することである. まず, 本研究の中心 過去の習慣が現在の習慣に与える影響 インターネットの利用習慣の持ち越し 松岡大暉 ( 東北大学教育学部 ) 1 問題関心本研究の目的は, インターネットの利用の習慣について, 過去のインターネットの利用習慣が現在のインターネットの利用の習慣に影響を与えるかを検証することである. まず, 本研究の中心となる社会的背景として, 近年のインターネットの利用人口ならびに, インターネットの利用時間の急激な増加が挙げられる.

More information

調査会社から提供された予想回答率から配信数を決定し調査を行った結果, 配信数 名に対し, 名の回答が回収された ( 調査協力率 :14.5%) さらに, スクリーニング調査の 1 週間後に本調査の 1 回目を実施した スクリーニング調査において 過去一ヵ月以内に インターネ

調査会社から提供された予想回答率から配信数を決定し調査を行った結果, 配信数 名に対し, 名の回答が回収された ( 調査協力率 :14.5%) さらに, スクリーニング調査の 1 週間後に本調査の 1 回目を実施した スクリーニング調査において 過去一ヵ月以内に インターネ 平成 22 年度共同研究報告書 自殺関連行動とネット上の情報との関連についての研究 共同研究担当末木新 ( 東京大学大学院教育学研究科 日本学術振興会 ) 稲垣正俊 ( 国立精神 神経医療研究センター精神保健研究所自殺予防総合対策センター ) 竹島正 ( 国立精神 神経医療研究センター精神保健研究所自殺予防総合対策センター ) 1. 研究の概要わが国では, 年間の自殺者数が 3 万人を超える状態が続いており,

More information

3. みせかけの相関単位根系列が注目されるのは これを持つ変数同士の回帰には意味がないためだ 単位根系列で代表的なドリフト付きランダムウォークを発生させてそれを確かめてみよう yと xという変数名の系列をを作成する yt=0.5+yt-1+et xt=0.1+xt-1+et 初期値を y は 10

3. みせかけの相関単位根系列が注目されるのは これを持つ変数同士の回帰には意味がないためだ 単位根系列で代表的なドリフト付きランダムウォークを発生させてそれを確かめてみよう yと xという変数名の系列をを作成する yt=0.5+yt-1+et xt=0.1+xt-1+et 初期値を y は 10 第 10 章 くさりのない犬 はじめにこの章では 単位根検定や 共和分検定を説明する データが単位根を持つ系列の場合 見せかけの相関をする場合があり 推計結果が信用できなくなる 経済分析の手順として 系列が定常系列か単位根を持つ非定常系列かを見極め 定常系列であればそのまま推計し 非定常系列であれば階差をとって推計するのが一般的である 1. ランダムウオーク 最も簡単な単位根を持つ系列としてランダムウオークがある

More information

発表の流れ 1. 回帰分析とは? 2. 単回帰分析単回帰分析とは? / 単回帰式の算出 / 単回帰式の予測精度 <R による演習 1> 3. 重回帰分析重回帰分析とは? / 重回帰式の算出 / 重回帰式の予測精度 質的変数を含む場合の回帰分析 / 多重共線性の問題 変数選択の基準と方法 <R による

発表の流れ 1. 回帰分析とは? 2. 単回帰分析単回帰分析とは? / 単回帰式の算出 / 単回帰式の予測精度 <R による演習 1> 3. 重回帰分析重回帰分析とは? / 重回帰式の算出 / 重回帰式の予測精度 質的変数を含む場合の回帰分析 / 多重共線性の問題 変数選択の基準と方法 <R による R で学ぶ 単回帰分析と重回帰分析 M2 新屋裕太 2013/05/29 発表の流れ 1. 回帰分析とは? 2. 単回帰分析単回帰分析とは? / 単回帰式の算出 / 単回帰式の予測精度 3. 重回帰分析重回帰分析とは? / 重回帰式の算出 / 重回帰式の予測精度 質的変数を含む場合の回帰分析 / 多重共線性の問題 変数選択の基準と方法 回帰分析とは?

More information

基礎統計

基礎統計 基礎統計 第 11 回講義資料 6.4.2 標本平均の差の標本分布 母平均の差 標本平均の差をみれば良い ただし, 母分散に依存するため場合分けをする 1 2 3 分散が既知分散が未知であるが等しい分散が未知であり等しいとは限らない 1 母分散が既知のとき が既知 標準化変量 2 母分散が未知であり, 等しいとき 分散が未知であるが, 等しいということは分かっているとき 標準化変量 自由度 の t

More information

横浜市環境科学研究所

横浜市環境科学研究所 周期時系列の統計解析 単回帰分析 io 8 年 3 日 周期時系列に季節調整を行わないで単回帰分析を適用すると, 回帰係数には周期成分の影響が加わる. ここでは, 周期時系列をコサイン関数モデルで近似し単回帰分析によりモデルの回帰係数を求め, 周期成分の影響を検討した. また, その結果を気温時系列に当てはめ, 課題等について考察した. 気温時系列とコサイン関数モデル第 報の結果を利用するので, その一部を再掲する.

More information

教育工学会研究会原稿見本

教育工学会研究会原稿見本 ARCS 動機づけモデルに基づく Course Interest Survey 日本語版尺度の検討 Making an Evaluation of the Japanese Edition of Course Interest Survey Scale Based on ARCS Motivational Model 川上祐子 * 向後千春 ** Yuko Kawakami* Chiharu Kogo**

More information

Microsoft Word - 計量研修テキスト_第5版).doc

Microsoft Word - 計量研修テキスト_第5版).doc Q8-1 テキスト P131 Engle-Granger 検定 Dependent Variable: RM2 Date: 11/04/05 Time: 15:15 Sample: 1967Q1 1999Q1 Included observations: 129 RGDP 0.012792 0.000194 65.92203 0.0000 R -95.45715 11.33648-8.420349

More information

035_067_清水_山本.indd

035_067_清水_山本.indd pp. ISSN Big Five Stability and Change of Big Five Measurements by Affective Word Items between Two Waves at Half a Year Interval: Related Inter-individual, State-Trait Anxiety, Self-Esteem Kazuaki SHIMIZU

More information

理学療法科学 24(5): ,2009 原著 欲求の充足に基づく顧客満足測定尺度の因子的妥当性の検討 リハビリテーションサービスにおける調査研究 Examination of the Factorial Validity of the Customer Satisfaction Scal

理学療法科学 24(5): ,2009 原著 欲求の充足に基づく顧客満足測定尺度の因子的妥当性の検討 リハビリテーションサービスにおける調査研究 Examination of the Factorial Validity of the Customer Satisfaction Scal 理学療法科学 24(5):737 744,2009 原著 欲求の充足に基づく顧客満足測定尺度の因子的妥当性の検討 リハビリテーションサービスにおける調査研究 Examination of the Factorial Validity of the Customer Satisfaction Scale Based on Need Satisfaction: a Survey of Rehabilitation

More information

Microsoft Word - 計量研修テキスト_第5版).doc

Microsoft Word - 計量研修テキスト_第5版).doc Q10-2 テキスト P191 1. 記述統計量 ( 変数 :YY95) 表示変数として 平均 中央値 最大値 最小値 標準偏差 観測値 を選択 A. 都道府県別 Descriptive Statistics for YY95 Categorized by values of PREFNUM Date: 05/11/06 Time: 14:36 Sample: 1990 2002 Included

More information

p _

p _ Index ap. ap. ap. ap. ap. ap. ap. ap. ap. ap. ap. ap. ap. ap. ap. ap. ap. ap. ap. ap. ap. ap. ap. ap. ap. ap. ap. ap. ap. ap. ap. ap. ap. ap. ap. ap. ap. ap. ap. ap. ap. ap. ap. ap. ap. ap. ap. ap. ap.

More information

SAP11_03

SAP11_03 第 3 回 音声音響信号処理 ( 線形予測分析と自己回帰モデル ) 亀岡弘和 東京大学大学院情報理工学系研究科日本電信電話株式会社 NTT コミュニケーション科学基礎研究所 講義内容 ( キーワード ) 信号処理 符号化 標準化の実用システム例の紹介情報通信の基本 ( 誤り検出 訂正符号 変調 IP) 符号化技術の基本 ( 量子化 予測 変換 圧縮 ) 音声分析 合成 認識 強調 音楽信号処理統計的信号処理の基礎

More information

. 分析内容及びデータ () 分析内容中長期の代表的金利である円金利スワップを題材に 年 -5 年物のイールドスプレッドの変動を自己回帰誤差モデル * により時系列分析を行った * ) 自己回帰誤差モデル一般に自己回帰モデルは線形回帰モデルと同様な考え方で 外生変数の無いT 期間だけ遅れのある従属変

. 分析内容及びデータ () 分析内容中長期の代表的金利である円金利スワップを題材に 年 -5 年物のイールドスプレッドの変動を自己回帰誤差モデル * により時系列分析を行った * ) 自己回帰誤差モデル一般に自己回帰モデルは線形回帰モデルと同様な考え方で 外生変数の無いT 期間だけ遅れのある従属変 () 現在データは最大 5 営業日前までの自己データが受けたショック ( 変動要因 ) の影響を受け 易い ( 情報の有効性 ) 現在の金利変動は 過去のどのタイミングでのショック ( 変動要因 ) を引きずり変動しているのかの推測 ( 偏自己相関 ) また 将来の変動を予測する上で 政策金利変更等の ショックの持続性 はどの程度 将来の変動に影響を与えるか等の判別に役に立つ可能性がある (2) その中でも

More information

Dependent Variable: LOG(GDP00/(E*HOUR)) Date: 02/27/06 Time: 16:39 Sample (adjusted): 1994Q1 2005Q3 Included observations: 47 after adjustments C -1.5

Dependent Variable: LOG(GDP00/(E*HOUR)) Date: 02/27/06 Time: 16:39 Sample (adjusted): 1994Q1 2005Q3 Included observations: 47 after adjustments C -1.5 第 4 章 この章では 最小二乗法をベースにして 推計上のさまざまなテクニックを検討する 変数のバリエーション 係数の制約係数にあらかじめ制約がある場合がある たとえばマクロの生産関数は 次のように表すことができる 生産要素は資本と労働である 稼動資本は資本ストックに稼働率をかけることで計算でき 労働投入量は 就業者数に総労働時間をかけることで計算できる 制約を掛けずに 推計すると次の結果が得られる

More information

Microsoft PowerPoint - Econometrics pptx

Microsoft PowerPoint - Econometrics pptx 計量経済学講義 第 4 回回帰モデルの診断と選択 Part 07 年 ( ) 限 担当教員 : 唐渡 広志 研究室 : 経済学研究棟 4 階 43 号室 emal: kkarato@eco.u-toyama.ac.p webste: http://www3.u-toyama.ac.p/kkarato/ 講義の目的 誤差項の分散が不均 である場合や, 系列相関を持つ場合についての検定 法と修正 法を学びます

More information

産学共同研究 報告書

産学共同研究 報告書 口コミマーケティングメディアとしての 地域ブログの可能性 を探る研究 しずおかオンライン 静岡県立大学経営情報学部岩崎邦彦 Ⅰ 研究の目的と背景 今日 新たなコミュニケーションツールとして インターネットのブログ ( 日記的な Web サイト ) が注目されている 平成 18 年版情報通信白書によると 2005 年 3 月末時点で 335 万人であったブログ登録者数は 2006 年 3 月末には 868

More information

<4D F736F F F696E74202D A328CC B835E89F090CD89898F4B814096F689AA>

<4D F736F F F696E74202D A328CC B835E89F090CD89898F4B814096F689AA> ロジスティスク回帰分析 2014/4/30 教育学研究科 M1 柳岡開地 はじめに 統計が苦手な人による統計が苦手な人への説明にしたい ( すごーく分かっている人の説明は, 逆に分かりにくい ) クリティカルな質問には面食らいます 自分の研究を材料に, 架空のデータでロジスティク回帰分析を実践してみた ( 一種の宣伝でもあるのです!) 1 2 回帰分析と同じところ ロジスティック回帰分析は線形回帰分析

More information

(lm) lm AIC 2 / 1

(lm) lm AIC 2 / 1 W707 s-taiji@is.titech.ac.jp 1 / 1 (lm) lm AIC 2 / 1 : y = β 1 x 1 + β 2 x 2 + + β d x d + β d+1 + ϵ (ϵ N(0, σ 2 )) y R: x R d : β i (i = 1,..., d):, β d+1 : ( ) (d = 1) y = β 1 x 1 + β 2 + ϵ (d > 1) y

More information

<915391CC348D5A F F815B312E706466>

<915391CC348D5A F F815B312E706466> 47 I 2016 10 603 27,288 1 2-4 6 5 2, 3, 6-9 10 11 93.5 77.0 71.7 54.9 12 13 14 15 48 8 16 15 1 2 3 1 2 17 5 18, 19 20 35 3 5 18 62 17 17 2 17 8 6 3 3 4 0 3 17 8 5 4 3 4 0 3 1 62 3 2 49 3 2 2 II 1. 1 17

More information

男性同性愛が受容される 心理学的条件

男性同性愛が受容される 心理学的条件 計量パーソナリティ心理学第 3 章 GHQ への潜在ランク理論の適用 京都大学大学院教育学研究科西端和志 2017/05/17( 水 ) M2 1 古典的テスト理論 テキスト 2 章 項目反応理論による心理尺度作成 より 2 古典的テスト理論 古典的テスト理論で, 今回重要になる用語 項目分析 (Item analysis) 心理尺度 テストの各項目がどのような特徴を持っているか調べるための統計アプローチ主な指標に,

More information

1.民営化

1.民営化 参考資料 最小二乗法 数学的性質 経済統計分析 3 年度秋学期 回帰分析と最小二乗法 被説明変数 の動きを説明変数 の動きで説明 = 回帰分析 説明変数がつ 単回帰 説明変数がつ以上 重回帰 被説明変数 従属変数 係数 定数項傾き 説明変数 独立変数 残差... で説明できる部分 説明できない部分 説明できない部分が小さくなるように回帰式の係数 を推定する有力な方法 = 最小二乗法 最小二乗法による回帰の考え方

More information