東京工科大学 コンピュータサイエンス学部 亀田弘之

Slides:



Advertisements
Similar presentations
1 市場調査の手順 1. 問題の設定 2. 調査方法の決定 3. データ収集方法の決定 4. データ収集の実行 5. データ分析と解釈 – データ入力 – データ分析 6. 報告書の作成.
Advertisements

摂南大学理工学部における 数学教育と EMaT への取組み 東武大、小林俊公、中津了勇、島田伸一、寺本惠昭、友枝 恭子 ( 摂南大学理工学部 基礎理工学機構 ) 日本工学教育協会 第 63 回年次大会 2015 年 9 月 4 日 ( 金 ) 9:30-9:45.
自然言語処理 平成 24 年 11 月 5 日 (No5)- 東京工科大学 コンピュータサイエンス学部 亀田弘之.
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?
コンピュータプラクティ スⅠ アンケート 水野嘉明 1. 本日の予定 「アンケート」  人間的な要因を評価するための 一手段として、アンケートの方 法について学ぶ  実験では、アンケートの集計を 行う 2.
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.
新設科目:応用数学 イントロダクション 情報工学科 2 年前期 専門科目 担当:准教授 青木義満.
グラフィカル多変量解析 ----目で見る共分散構造分析----
データ解析
因子分析,共分散構造分析 Factor Analysis Structural Equations Model
寺尾 敦 青山学院大学社会情報学部 atsushi [at] si.aoyama.ac.jp
Rによる回帰分析 高崎経済大学 宮田 庸一.
多変量解析 -重回帰分析- 発表者:時田 陽一 発表日:11月20日.
Excelによる統計分析のための ワークシート開発
共分散構造分析(SEM)は パス解析,因子分析,分散分析のすべてにとって代わるのか?
重回帰分析入門 経済データ解析 2009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 ----
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 ●● ●●.
水工学夏期研修会 2012年8月27日 CommonMPによる流出計算 菊森 佳幹(よしと) 1.
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)
林俊克&廣野元久「多変量データの活用術」:海文堂
重回帰分析入門 経済データ解析 2011年度.
白井ゼミ 豊田秀樹(2008)『データマイニング入門』 (東京図書)第7章
データ解析基礎 4. 正規分布と相関係数 keyword 正規分布(教科書:31ページ~38ページ) 正規分布の性質 偏差値
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
回帰分析.
主成分分析                     結城  隆   .
マーケティング戦略.
回帰分析/多変量分析 1月18日.
ワークショップ ユーザーとメーカーの公開相談会
マーケティング 第2部 マーケティング・リサーチ
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。
13.1 パス解析 (1) 標準偏回帰係数 変数の標準化.
相関分析.
データ解析 静岡大学工学部 安藤和敏
因果をめぐる統計的アプローチ 日時:2003年1月25日(土)10:00-16:30
多変量解析入門 中山和弘(聖路加国際大学).
混合ガウスモデルによる回帰分析および 逆解析 Gaussian Mixture Regression GMR
東京工科大学 コンピュータサイエンス学部 亀田弘之
データ解析 静岡大学工学部 安藤和敏
多母集団の同時分析 豊本満喜子 大阪大学人間科学部.
数量分析 第2回 データ解析技法とソフトウェア
講義を行うにあたっての注意 講義は静かに行いたい 出席は取らない(自由に休んでよろしい) 大学と高校の違い 人や先生に聞く・質問すること
多変量解析 ~主成分分析~ 1.主成分解析とは 2.適用例と解析の目的 3.解析の流れ 4.変数が2個の場合の主成分分析
尺度化について 狩野 裕 大阪大学人間科学部.
東京工科大学 コンピュータサイエンス学部 亀田弘之
東京工科大学 コンピュータサイエンス学部 亀田弘之
再討論 狩野裕 (大阪大学人間科学部).
部分的最小二乗回帰 Partial Least Squares Regression PLS
第3章補足2 多変量データの記述 統計学基礎 2010年度.
東京工科大学 コンピュータサイエンス学部 亀田弘之
東京工科大学 コンピュータサイエンス学部 亀田弘之
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
講義を行うにあたっての注意 講義は静かに行いたい 出席は取らない(自由に休んでよろしい) 大学と高校の違い 人や先生に聞く・質問すること
標準時間の設定と生産性改善 日本能率協会セミナー 目標 6時間 期間 3ヶ月 講師 MEマネジメントサービス編
データ解析 静岡大学工学部 安藤和敏
データ解析 静岡大学工学部 安藤和敏
「ICAによる顔画像特徴量抽出とSVMを用いた表情認識」
データ解析 静岡大学工学部 安藤和敏
高次元データにおける2次形式の近似について
東京工科大学 コンピュータサイエンス学部 亀田弘之
重回帰分析入門 経済データ解析 2008年度.
重回帰分析入門 (第5章補足) 統計学 2007年度.
徳山 豪 東北大学情報科学研究科 システム情報科学専攻 情報システム評価学分野
生物統計学・第14回 全体を眺める(6) -相関ネットワーク解析-
森 裕一(岡山理科大学) 山本義郎(岡山大学自然科学研究科) 渡谷真吾,尾高好政(倉敷芸術科学大学) 垂水共之,田中 豊(岡山大学)
回帰分析入門 経済データ解析 2011年度.
東京工科大学 コンピュータサイエンス学部 亀田弘之
東京工科大学 コンピュータサイエンス学部 亀田弘之
Presentation transcript:

東京工科大学 コンピュータサイエンス学部 亀田弘之 共分散構造分析(入門編) 東京工科大学 コンピュータサイエンス学部 亀田弘之 別名:構造方程式モデリング(Structural Equation Modeling; SEM)

共分散構造分析を利用すると,... 見えないものを科学的に眺めることができるようになる。 自由にモデリングができる。 資料の背後の関係も具体化することができる。 パス図を使うために分析が容易になる。

共分散構造分析を利用すると,... 見えないものを科学的に眺めることができるようになる。 自由にモデリングができる 統計資料の背後にある抽象的なものを議論することができる 自由にモデリングができる 因子と変数の関係を自由にモデル化できる 資料の背後の関係も具体化することができる 統計資料の背後にある要因(因子)の関係を定量的に議論できる パス図を使うために分析が容易になる パス図を利用することで,視覚的に資料分析できる

共分散構造分析でできること(1) 見えないものを科学的に眺めるようにすることができる 例: 私にはプログラミングの能力がある。  <= 直接観測できない! 私には理系能力がある。 私にはコミュニケーション能力がある。 共分散構造分析は,統計資料の背後にある抽象的なものを議論する手法を提供してくれる。

共分散構造分析でできること(2) 共分散構造分析 自由にモデリングができる 因子分析など従来の多くの多変量解析手法は,共分散構造分析に含まれ る。この意味において,共分散構造分析手法は「次世代の多変量解析手 法」とも考えられている。 共分散構造分析 因子分析 因子と変数の関係を自由にモデル化できる。 回帰分析 パス解析

共分散構造分析でできること(3) 資料の背後の関係も具体化することができる 学力 理系力 文系力 科目 数学 英語 理科 山田 100 80 90 田中 95 鈴木 理系力 文系力 科目 数学 英語 理科 平均 順位(偏差値) 山田 100 80 90 3(37.5) 田中 95 2(50.0) 鈴木 1(62.5)

共分散構造分析でできること(4) パス図を使うために分析が容易になる 表.評価アンケート結果一覧 No. レイアウト 品揃え 雰囲気 従業員の 態度 対応の 迅速性 1 8 2 3 9 5 2 1 7 3 6 4 4 5 6 0 7 8 9 10 パス図 レイアウト 対応の 迅速性 陳列効果 接客効果 品揃え 従業員の態度 雰囲気

共分散構造分析のツール RのSEM SPSS(AMOS) など

データからパス図モデルを構成 着想)ネット利用率やPC利用率が高い人は, IT度が高いと考えられる。 表.日本と米国におけるIT利用率 No 1 4 3 2 5 6 7 8 着想)ネット利用率やPC利用率が高い人は,     IT度が高いと考えられる。

データからパス図モデルを構成(その2) 日本ネット利用度 日本のIT度 日本PC利用度 米国ネット利用度 米国のIT度 米国PC利用度

データからパス図モデルを構成(その2) 日本ネット利用度 日本PC利用度 観測変数 米国ネット利用度 米国PC利用度 構成概念 日本のIT度

分析結果

参考文献 共分散構造分析,涌井良幸,涌井貞美,日本実業出版(2001). 共分散構造分析 はじめの一歩,小塩真司,アルナ(2010).