Excelで学ぶ共分散構造分析とグラフィカルモデリング

共分散構造分析とグラフィカルモデリングができるExcelマクロ付き!

このような方におすすめ

これから共分散構造分析をはじめる人
心理学系の院生・卒論生
企業のマーケッター
  • 著者小島 隆矢 著
  • 定価4,180 (本体3,800 円+税)
  • B5変 288頁 2003/12発行
  • ISBN978-4-274-06551-4
  • 定価
  • ポイント0
  • 数量

※本体価格は変更される場合があります。
※通常2〜3営業日以内で発送いたします。
※取寄が可能な場合もございますのでお問合せください。

  • 概要
  • 主要目次
  • 詳細目次

 共分散構造分析(または構造方程式モデリング)は、変数間の因果関係を矢線で表した「パス図」により、難しい統計モデルをグラフィカルに直観的にわかりやすく表現したもの。本書は初心者の方でもわかるように基礎から詳しく解説。市販統計ソフト並みのExcelマクロを用意している。

https://www.ohmsha.co.jp/book/9784274065514/
第1部 グラフィカル因果分析への招待
第1章 全自動因果分析の試み
第2章 潜在変数を使ってみる
第2部 グラフィカル因果分析を学ぶ
第3章 相関と回帰
第4章 重回帰分析からパス解析へ
第5章 構造方程式モデリング
第6章 グラフィカルモデリング
第3部 グラフィカル因果分析の演習
第7章 因果分析の裏・表
第8章 演習:「エクセルGM」による因果分析
第9章 演習:潜在因子の因果分析
第10章 グラフィカル因果分析の実際
第1部 グラフィカル因果分析への招待

第1章 全自動因果分析の試み
1.1 グラフィカル因果分析とは何か
1.2 SEMの普及
1.3 「エクセルGM」の開発コンセプト
1.4 「エクセルGM」のセットアップ
1.5 標本入力
1.6 サンプルデータ
1.7 分析対象変数の設定
1.8 全自動因果分析
1.9 モデルの微修正

第2章 潜在変数を使ってみる
2.1 はじめに
2.2 潜在因子をどこにおくか
2.3 「かんたんCFA」による検証的因子分析
2.4 潜在因子に因果関係を導入したモデル


第2部 グラフィカル因果分析を学ぶ

第3章 相関と回帰
3.1 相関係数とは何か
 3.1.1 データと散布図
 3.1.2 基本統計量
 3.1.3 分布の形
 3.1.4 中心化と標準化
 3.1.5 共分散と相関係数
3.2 回帰分析入門
 3.2.1 回帰分析とは何か
 3.2.2 エクセルによる単回帰分析
 3.2.4 回帰分析の基礎知識
3.3 相関・回帰の落とし穴
 3.3.1 分布の形に要注意
 3.3.2 サンプリングバイアス
 3.3.3 疑似相関とは何か
 3.3.4 重回帰分析の難しさ
 3.3.5 マルチコとマルチコモドキ

第4章 重回帰分析からパス解析へ
4.1 重回帰分析の数理
 4.1.1 共分散行列・相関係数行列
 4.1.2 偏回帰係数の求め方
 4.1.3 定数項の求め方
 4.1.4 残差2乗和・重相関係数の求め方
 4.1.5 偏回帰係数の標準誤差
 4.1.6 偏回帰係数の区間推定
 4.1.7 偏回帰係数=0の検定
 4.1.8 VIFとトレランス
4.2 重回帰分析の実際
 4.2.1 変数選択の実際
 4.2.2 偏回帰係数の正しい解釈
4.3 パス解析とは何か
 4.3.1 直接効果と間接効果――パス解析ことはじめ
 4.3.2 予測モデルと因果モデル
 4.3.3 因果モデルに基づく相関係数の算出・分解
 4.3.4 はじめに総合効果ありき
4.4 重回帰分析再考
 4.4.1 重回帰分析の3つの用途
 4.4.2 マルチコ再考
 4.4.3 重回帰分析の処方箋

第5章 構造方程式モデリング
5.1 SEMとは何か
 5.1.1 RAM(Reticular Action Model)
 5.1.2 適合度検定
 5.1.3 最尤推定法
 5.1.4 古典的パス解析と構造方程式モデリングの違い
 5.1.5 構造方程式モデリングと共分散構造分析
5.2 SEM入門
 5.2.1 変数の分類
 5.2.2 許容できないモデル
 5.2.3 残差相関と飽和モデル
 5.2.4 識別不能
 5.2.5 モデルの比較
 5.2.6 推定値の検定
 5.2.7 等値制約
 5.2.8 同値モデル
 5.2.9 総合効果と外生変数
 5.2.10 両側矢線のルール
5.3 SEMに関する基礎知識
 5.3.1 様々な解法
 5.3.2 適合度指標
 5.3.3 モデルの修正
5.4 潜在変数のあるモデル
 5.4.1 SEM/LVのしくみ
 5.4.2 必須の制約
 5.4.3 因子分析モデル
 5.4.4 多重指標モデル
 5.4.5 測定方程式
 5.4.6 指標の数
 5.4.7 不適解
5.5 SEMの謎・魅力・問題点
 5.5.1 双方向因果モデル
 5.5.2 潜在変数スコアの推定
 5.5.3 より高度なモデル
 5.5.4 SEMの難しさ

第6章 グラフィカルモデリング
6.1 独立グラフのモデリング
 6.1.1 条件付き独立とは何か
 6.1.2 偏相関係数
 6.1.3 独立グラフとは何か
 6.1.4 共分散選択
 6.1.5 グラフィカルモデリングとは
 6.1.6 モデリングの進め方
6.2 独立グラフと因果グラフ
 6.2.1 結果は原因を説明しないのココロ
 6.2.2 因果の向きを推定できる場合
 6.2.3 モラルグラフとは何か
6.3 因果の順序を考慮したGM
 6.3.1 仮説についての理想と現実
 6.3.2 結果が原因を乱さないために
 6.3.3 連鎖独立グラフとは何か
 6.3.4 モデリングの実施例
 6.3.5 連鎖独立グラフのモラルグラフ
 6.3.6 モデリングの順序
6.4 GMの謎・魅力・問題点
 6.4.1 偏相関係数の値
 6.4.2 偏相関係数の希薄化
 6.4.3 GMの魅力・GMの課題

第7章 因果分析の裏・表
7.1 GMとSEMの役割分担
 7.1.1 表センケイと裏センケイ
 7.1.2 GMとSEMの連携方針
7.2 連鎖独立グラフからパス解析へ
 7.2.1 連携における問題点
 7.2.2 第1群の扱い
 7.2.3 群内の線の扱い
 7.2.4 因果の向きを見抜く眼力
7.3 潜在因子のGM
 7.3.1 手法の概要
 7.3.2 分析における諸注意
7.4 GM・SEMの瞬間的連携技法
 7.4.1 3変数の瞬間因果分析
 7.4.2 独立グラフによる瞬間因子分析


第3部 グラフィカル因果分析の演習

第8章 演習:「エクセルGM」による因果分析
8.1 演習:独立グラフのGM
 8.1.1 はじめに
 8.1.2 データのセット
 8.1.3 基本操作
 8.1.4 シート上のその他のエリア
 8.1.5 その他の切断・接続方法
 8.1.6 計算の仕組み
8.2 演習:連鎖独立グラフからパス解析への連携
 8.2.1 はじめに
 8.2.2 level別シートの作成
 8.2.3 level別のGM
 8.2.4 全体モデル化・連鎖独立グラフ作成
 8.2.5 デフォルトパスモデル
 8.2.6 推定値の検定
 8.2.7 デフォルトモデル以外の候補モデル
 8.2.8 非逐次モデル
 8.2.9 モデル探索自由自在
 8.2.10 この節のおわりに
8.3 落ち穂拾い

第9章 演習:潜在因子の因果分析
9.1 分析方針
9.2 演習:「かんたんCFA」による検証的因子分析
9.3 演習:「エクセルGM」による潜在因子のGM
 9.3.1 「独立グラフ」シートに因子相関行列をセットする
 9.3.2 潜在因子の独立グラフを作成する
 9.3.3 潜在因子の因果関係を推論する
 9.3.4 因果関係の内容を解釈する
9.4 演習:「エクセルSEM」によるSEM/LV
 9.4.1 「エクセルSEM」について
 9.4.2 データをセットする
 9.4.3 変数名を入力する
 9.4.4 因果モデルを入力する
 9.4.5 計算実行する
 9.4.6 パス図を描く
 9.4.7 モデルの修正を検討する

第10章 グラフィカル因果分析の実際
10.1 本気の因果分析
10.2 定性調査による仮説設定が最重要
10.3 仮説は成長させるもの
10.4 多母集団同時分析への入り口

参考文献