GD07WS マルチレベル共分散構造分析 指定討論

Slides:



Advertisements
Similar presentations
環境経済論 第 7 回目 ヘドニック・アプローチ. Court (米国自動車工業会 ) による自動車 価格変化の研究、 1939 – 自動車価格とさまざまな特性(馬力、長さな ど)との数量的関係 – 財の諸特性が快楽( hedonic pleasure )を生 み出すと考える – ヘドニック要因で説明される価格(又はその.
Advertisements

計量的手法入門 人材開発コース・ワークショップ (IV) 2000 年 6 月 29 日、 7 月 6 ・ 13 日 奥西 好夫
マルチレベルモデルで 何ができるのか 清水裕士 広島大学大学院総合科学研究科. マルチレベルモデル Multilevel modeling データに階層性がある場合の統計手法 – 個人 ‐ 集団、測定 ‐ 個人、など さまざまなバージョンがある – 階層的線形モデリング HLM – マルチレベル構造方程式モデリング.
マルチレベル共分散構造分析 清水裕士 大阪大学大学院人間科学研究科日本学術振興会. 本発表の概要・目的 個人 - 集団データの階層性 個人 - 集団データの階層性 階層的データは従来の方法では十分な分析が できない 階層的データは従来の方法では十分な分析が できない 従来の方法は何が不十分なのか?
社会調査データの分析 社会調査・実習. 分析の手順(1) 1 1 入力データの点検 (全部の調査票 に目を通す) 2 2 通し番号の入力。必要ならば回答の コード化。 3 3 入力フォーマットの決定 4 4 データ入力( Excel, エディターなど)
1 / 44 SPSS ハウツー 独立行政法人 大学入試センター 橋本 貴充 2007 年 3 月 30 日 ( 金 )
統計学入門2 関係を探る方法 講義のまとめ. 今日の話 変数間の関係を探る クロス集計表の検定:独立性の検定 散布図、相関係数 講義のまとめ と キーワード 「統計学入門」後の関連講義・実習 社会調査士.
1 徹底討論「主成分分析 vs 因子分析」 主成分分析は因子分析ではない ! 狩野裕 (大阪大学) 日本行動計量学会第 30 回大会 於:多摩大学.
エクセルと SPSS による データ分析の方法 社会調査法・実習 資料. 仮説の分析に使う代表的なモデ ル 1 クロス表 2 t検定(平均値の差の検定) 3 相関係数.
グラフィカル多変量解析 ----目で見る共分散構造分析----
第1回 確率変数、確率分布 確率・統計Ⅰ ここです! 確率変数と確率分布 確率変数の同時分布、独立性 確率変数の平均 確率変数の分散
データ分析入門(12) 第12章 単回帰分析 廣野元久.
うわさ.
ひでき 平成17年4月12日 「日本教」モデルを ネットワーク分析する ひでき 平成17年4月12日.
分散分析マスターへの道.
小林盾(シカゴ大学) 大浦宏邦(帝京大学) 谷口尚子(帝京大学) 2004年9月19日 数理社会学会 山形大学
  個人投資家向け株式分析   と予測システム A1グループ  劉 チュン.
多変量解析 -重回帰分析- 発表者:時田 陽一 発表日:11月20日.
所属集団の変更可能な SDゲームにおける 協力行動の規定因
みかけの相関関係 1:時系列 2つの変数に本来関係がないのに,データだけから相関係数を計算すると相関係数がかなり大きくなることがある.
検定 P.137.
実証分析の手順 経済データ解析 2011年度.
攻撃性尺度の分析:小学生vs中学生Ⅱ ---- 多母集団の同時分析&男女間の平均を調整 ----
初級ミクロ経済学 -生産者行動理論- 2014年10月20日 古川徹也 2014年10月20日 初級ミクロ経済学.
得点と打率・長打率・出塁率らの関係 政治経済学部経済学科 ●年●組 ●● ●●.
神戸大学大学院国際文化学研究科 外国語教育論講座外国語教育コンテンツ論コース 神戸 花子
第4回 (10/16) 授業の学習目標 先輩の卒論の調査に協力する。 2つの定量的変数間の関係を調べる最も簡単な方法は?
突然ですが、 金政分析へのコメント 大阪大学大学院人間科学研究科 平井 啓 2017年3月13日(月)
第37回日本看護研究学会学術集会 シンポジウムII 20011/8/8(月)(デブの日)14:40~16:40 中山和弘(聖路加看護大学)
分布の非正規性を利用した行動遺伝モデル開発
統計的仮説検定の考え方 (1)母集団におけるパラメータに仮説を設定する → 帰無仮説 (2)仮説を前提とした時の、標本統計量の分布を考える
浅野 良輔 名古屋大学大学院教育発達科学研究科 日本学術振興会
「ICT社会におけるコミュニケーション力の育成」 研修モジュール C-1:パネルディスカッション
研修1 組織の規範について 東京コンサル株式会社 担当:事変.
日本行動計量学会第29回大会 於:甲子園大学 (2001/9/14-16)
初歩的情報リテラシーと アンケート集計のためのExcel・SPSS講座
寺尾 敦 青山学院大学社会情報学部 社会統計 第12回 重回帰分析(第11章前半) 寺尾 敦 青山学院大学社会情報学部
相関と回帰:相関分析 2つの変量それぞれが正規分布にしたがってばらつく量であるとき,両変数の直線的な関係を相関分析する. 例:兄弟の身長
第3章 重回帰分析 ー 計量経済学 ー.
第3章 重回帰分析 ー 計量経済学 ー.
無料サンプルと消費者の選択行動 -無料サンプルの消費者購買意思決定プロセスへの影響-
対応のあるデータの時のt検定 重さの測定値(g) 例:
12月4日 伊藤 早紀 重回帰分析.
ワークショップ ユーザーとメーカーの公開相談会
「21世紀型コミュニケーション力の育成」研修モジュール
analysis of survey data 第3回 香川大学経済学部 堀 啓造
構造方程式モデリング(SEM) Structural Equation Modeling.
脳活動に関するデータ データの種類 データの特徴 脳波・脳磁図・fMRI画像 脳活動とパフォーマンスの関係はきわめて冗長。
相関分析.
4章までのまとめ ー 計量経済学 ー.
第4日目第3時限の学習目標 検査の信頼性(続き)を学ぶ。 妥当性について学ぶ。 (1)構成概念妥当性とは? (2)内容妥当性とは?
独立成分分析 1.問題は何か:例:解法:全体の見通し 2007/10/17 名雪 勲.
第11回授業(12/11)の学習目標 第8章 分散分析 (ANOVA) の学習 分散分析の例からその目的を理解する 分散分析の各種のデザイン
(回帰分析)推計結果の見方(1) 決定係数 回帰式のあてはまりの良さをはかる 回帰式による予測の信頼度を見るひとつの尺度
潜在変数に交互作用がある 構造方程式モデル(共分散構造モデル): 二段階最小二乗推定値
予測に用いる数学 2004/05/07 ide.
東京工科大学 コンピュータサイエンス学部 亀田弘之
竜巻防災教育プログラム 『単元構成』 ステップ1 ・・・ 事前学習1 ステップ2 ・・・ 事前学習2 ステップ3 ・・・実践訓練・事後学習
尺度化について 狩野 裕 大阪大学人間科学部.
再討論 狩野裕 (大阪大学人間科学部).
第4章 社会構造概念はどのように豊穣化されるか
確率と統計2009 第12日目(A).
データの型 量的データ 質的データ 数字で表現されるデータ 身長、年収、得点 カテゴリで表現されるデータ 性別、職種、学歴
「アルゴリズムとプログラム」 結果を統計的に正しく判断 三学期 第7回 袖高の生徒ってどうよ調査(3)
「21世紀型コミュニケーション力の育成」研修モジュール A1 概要解説モジュール
重回帰分析入門 (第5章補足) 統計学 2007年度.
モデルの微分による非線形モデルの解釈 明治大学 理工学部 応用化学科 データ化学工学研究室 金子 弘昌.
N人関係のデータ構造と家族関係の分析 藤澤  等(県立長崎シーボルト大学) .
図15-1 教師になる人が学ぶべき知識 子どもについての知識 教授方法についての知識 教材内容についての知識.
文脈 テクノロジに関する知識 教科内容に関する知識 教育学 的知識
Presentation transcript:

GD07WS マルチレベル共分散構造分析 指定討論 三浦麻子(神戸学院大学)

本日の立場 ちょっとSEMをかじったことのある(ただし,最近勉強をさぼっている)集団行動の研究者 過去の本WSメンバーのMCAに関する研究活動に 関しては未知(ほんとは違うけど,かなりの部分既に忘れました. ごめんなさい) 統計のむつかしいことはよくわからないんだけど, とりあえず使わなきゃ,とは思ってる おそらく,聴衆の代表性が高い立場,と思っていたのですが…(笑

ここで紹介されたMCAに対する印象 ネストされた変数を不用意に縮約することによるエラーを低減する方法のひとつとして有意義 モデルのよさを多角的に検討可能なので,結果の頑健性が高まる 相互に独立しているとみなしても罪の重くなさそうな集団/個人レベルの変数を設定した「仮説」にもとづいてデータを収集し,級内相関係数によってそれを確認した上でMCAを適用する,という手続きならばreasonableなのではないか 尾関研究:maybe reasonable 村山研究:reasonable??(cf. プレゼン最後のスライド) 吉澤研究:reasonable?(仲間集団自体のネットワーク構造)

MCAのイメージ(清水) 成員の性質と独立で,成員レベルの変数から生成可能な集団レベルの成分とはどのようなものなのか? 個々人のデータ(情報) 成員の性質と独立で,成員レベルの変数から生成可能な集団レベルの成分とはどのようなものなのか? 類似した部分 独自の部分 集団の性質 集団レベル 個人の性質 個人レベル 相互に独立

MCAのイメージ具体例(三浦) 集団の性質が,成員の性質によって決まっているわけではない場合に適用する分析モデル 個々の競走馬のデータ(情報) 集団の性質が,成員の性質によって決まっているわけではない場合に適用する分析モデル 類似した部分 独自の部分 血統 身体的特徴 所属厩舎 主戦騎手 相互に独立

つまり, (例えば)コミュニケーションデータの場合,個人と集団に識別性の高い「階層」を想定してしまってよいのか? 明らかに「集団成員間の相互作用」によって決まっている集団の性質を,たとえ(収集したデータにもとづいた計算の結果)級内相関係数が 「有意に0ではない」からといって,それ(だけ)を根拠にして,集団レベルの変数(=成員の性質と相互独立)だとみなしてよいのか? そもそもが成員レベルで測定された変数を集団レベルの変数として扱う試みなのだから,概念的に考えれば個人-集団の相互独立の前提には違反しているのではないか.その「罪の重さ」を低減する措置として,データドリブンな処理は適切と言えるのか? 「数理的には問題ない」というのとは別文脈の問題として,です.

「モデリング」といえば… 仮説 例えば… 個人-集団データの集団内類似性 発言量や微笑量は,個々の集団内で類似する →盛り上がっている集団は全員の発話量が多い 各説明変数が集団内類似性をもつか否か,あるいはそれが従属変数にどのような影響を及ぼすのかについて,仮説モデルを設定しておく必要が(「ある程度」以上に)があるのでは? 集団単位で適用されている制度に対する主観的認知指標などであれば理解しやすい(cf. 尾関研究) 清水・村山

いつもの(話題提供者も少なからず言及された)台詞 やっぱり「複雑な」分析を駆使するためには,(数理モデルを)応用する研究者自身がいかに(理論的)モデルを事前に捏ねておくかが肝心

more trivial Qs こういう質問は「愚問」だと自覚しつつ,つい実践者が方法論者に聞きたくなること MCAという略称は混乱しない? 級内相関係数の判断基準として好ましいのは, 絶対値?それとも有意性検定の結果? 0と異なればよいのか? 経験的に,どういう場合にはどっちが賢明? MCAという略称は混乱しない? MCAとは何でしょうか. multilevel covariance structure? あまり聞いたことはありません. (Yutaka Kano, 2007; 三浦への私信)