多変量解析の一問一答(10問)
心理学検定「B2 統計・測定・評価」の「多変量解析」の問題を、答えと解説つきで並べています。まず自分で答えを考えてから「答えと解説を見る」を開いてください。
-
問1B2-061
因子分析の考え方として、最も適切なものを1つ選べ。
- ① 個体間の類似度にもとづいて、似た個体を同じ群にまとめていく。
- ② 変数間の因果関係を矢印で表し、直接効果と間接効果に分けて検討する。
- ③ 観測変数の背後に共通因子(潜在変数)を想定し、各観測変数を共通因子の影響と独自因子の影響で説明する。
- ④ 外的基準を最もよく予測できるように、複数の観測変数に重みを付けて合成変数を作る。
答えと解説を見る
正解:③ 観測変数の背後に共通因子(潜在変数)を想定し、各観測変数を共通因子の影響と独自因子の影響で説明する。
因子分析は、観測変数に共通して影響する潜在変数(共通因子)を仮定し、各変数の分散を共通因子で説明される部分と独自因子による部分に分けるモデルである。外的基準の予測は重回帰分析など、個体の分類はクラスター分析、因果関係の分解はパス解析の特徴である。
- ① 個体を類似度で群に分けるのはクラスター分析の説明で、因子分析ではない。
- ② 矢印で因果関係を表し、直接効果・間接効果に分けるのはパス解析の説明である。
- ③ 共通因子と独自因子で観測変数を説明するという、因子分析の基本モデルの説明である。
- ④ 外的基準を予測する合成変数を作る考え方は、重回帰分析や判別分析に近い。
-
問2B2-062
直交解の因子分析で、標準化された観測変数Xの共通性が0.64であった。このときの記述として、最も適切なものを1つ選べ。
- ① Xの因子寄与は0.64である。
- ② 因子が1つだけの場合、Xの因子負荷量は0.36である。
- ③ Xの独自性は0.36である。
- ④ Xの独自性は0.80である。
答えと解説を見る
正解:③ Xの独自性は0.36である。
標準化した観測変数の分散は1で、共通性は共通因子で説明される分散の割合、独自性は残りの割合である。そのため独自性=1−共通性=0.36となる。直交解では、共通性は各因子への因子負荷量の二乗和に等しい。因子が1つなら因子負荷量の絶対値は√0.64=0.8である(符号は正負どちらもあり得る)。一方、因子寄与は因子ごとに全変数の因子負荷量の二乗を足し合わせた値である。変数ごとに求める共通性とは別の指標であり、「Xの因子寄与」という言い方は成り立たない。なお、因子寄与は主成分分析や回転前の主因子解では固有値に等しいが、回転後の因子寄与は固有値と一致しない。主因子法の固有値も、相関行列そのものではなく、対角成分を共通性に置き換えた縮約相関行列の固有値である。
- ① 因子寄与は因子ごとに、全変数の因子負荷量の二乗を足し合わせた値である。変数ごとの量である共通性とは別の指標で、「Xの因子寄与」は成り立たない。
- ② 1因子なら因子負荷量の絶対値は√0.64=0.8である(符号は正負どちらもあり得る)。0.36は独自性の値であり、因子負荷量ではない。
- ③ 独自性は1−共通性で求めるので0.36となり、正しい。
- ④ 0.80は共通性の平方根であり、1因子なら因子負荷量の絶対値にあたる値で、独自性ではない。独自性は1−0.64=0.36である。
-
問3B2-063
因子分析における因子の回転について、適切でないものを1つ選べ。
- ① 回転を行っても、因子分析モデルが再現する各観測変数の共通性は変化しない。
- ② プロマックス回転は、因子間の相関を許す斜交回転の一つである。
- ③ バリマックス回転は、因子間の相関を許す斜交回転の代表的な方法である。
- ④ 回転は、各因子に高く負荷する変数群を明確にし、単純構造に近づけて因子の解釈をしやすくするために行う。
答えと解説を見る
正解:③ バリマックス回転は、因子間の相関を許す斜交回転の代表的な方法である。
バリマックス回転は因子間を無相関に保つ直交回転の代表であり、斜交回転の代表例はプロマックス回転である。回転は単純構造に近づけて解釈しやすくするために行うもので、同じ因子空間の中で軸を動かすだけである。そのため、モデルが再現する各観測変数の共通性は、直交回転でも斜交回転でも変わらない。回転すると直交・斜交を問わず因子負荷量は変わり、斜交回転では因子間相関も生じる。それでも共通性は変わらない。ただし斜交解では、共通性はパターン行列の負荷量の二乗和とは一致せず、因子間相関を含めて計算する。
- ① 正しい。回転は同じ因子空間内で軸を動かすだけなので、モデルが再現する共通性は直交回転・斜交回転のどちらでも変わらない。
- ② 正しい。プロマックス回転は因子間相関を許す斜交回転の一つである。
- ③ 誤り。バリマックス回転は因子間を無相関に保つ直交回転であり、斜交回転とする点が誤り。
- ④ 正しい。回転の目的は、各因子に高く負荷する変数群を明確にして単純構造に近づけ、因子の解釈をしやすくすることである。
-
問4B2-064
6個の変数の相関行列にもとづいて主成分分析を行ったところ、第1主成分の固有値が3.0であった。このときの記述として、最も適切なものを1つ選べ。
- ① 第1主成分の寄与率は30%である。
- ② 第1主成分の寄与率は50%である。
- ③ 第1主成分は、6個の変数のうち3個だけから構成される。
- ④ 残りの主成分の固有値の合計は6.0である。
答えと解説を見る
正解:② 第1主成分の寄与率は50%である。
相関行列にもとづく主成分分析では、固有値の総和は変数の個数(ここでは6)に等しい。寄与率は固有値÷総和なので3.0÷6=50%となる。残りの主成分の固有値の合計は6−3.0=3.0である。主成分はすべての変数の重み付き合成で表される。
- ① 30%は固有値を10で割った値で、総和を誤っている。総和は6である。
- ② 固有値の総和6に対する3.0の割合なので、寄与率は50%で正しい。
- ③ 主成分は全変数の重み付き合成で得られ、一部の変数だけで構成されるわけではない。
- ④ 固有値の総和は6なので、残りの合計は3.0である。
-
問5B2-065
あらかじめ所属する群が分かっている個体について、複数の変数の値から所属群を判別・予測するための式を求める手法として、最も適切なものを1つ選べ。
- ① コレスポンデンス分析
- ② 判別分析
- ③ 主成分分析
- ④ クラスター分析
答えと解説を見る
正解:② 判別分析
判別分析は、所属群が既知のデータから、変数を組み合わせて群を判別する式を作り、新たな個体の所属群を予測する手法である。クラスター分析は群が未知のまま類似度で個体を分類する。主成分分析は変数の情報を要約し、コレスポンデンス分析はカテゴリカルデータの対応関係を図示する。
- ① コレスポンデンス分析は、クロス集計表のカテゴリ間の対応を図示する手法である。
- ② 既知の群を判別する式を求める手法で、判別分析が正しい。
- ③ 主成分分析は多数の変数を少数の合成変数に要約する手法で、群の判別が目的ではない。
- ④ クラスター分析は、群が未知の状態で類似度から個体を分類する手法である。
-
問6B2-066
数量化理論について、適切でないものを1つ選べ。
- ① 数量化Ⅱ類は、外的基準が質的変数(群)である場合の判別に用いられ、判別分析に対応する。
- ② 数量化Ⅰ類は、外的基準が量的変数で、説明変数がカテゴリカルデータである場合の予測に用いられる。
- ③ 数量化Ⅲ類は、外的基準を持たず、カテゴリカルデータの反応パターンから個体とカテゴリを同時に布置する手法で、コレスポンデンス分析と本質的に同じ計算である。
- ④ 数量化Ⅳ類は、外的基準が量的変数である場合に用いる、カテゴリカルデータ版の回帰分析である。
答えと解説を見る
正解:④ 数量化Ⅳ類は、外的基準が量的変数である場合に用いる、カテゴリカルデータ版の回帰分析である。
数量化Ⅰ類は量的な外的基準の予測(重回帰分析に対応)、Ⅱ類は質的な外的基準の判別(判別分析に対応)、Ⅲ類は外的基準なしでデータを要約する手法(コレスポンデンス分析に相当)である。Ⅳ類は外的基準を持たず、対象間の親近性(類似度)データから対象を空間に布置する手法で、多次元尺度構成法に近い。したがって、Ⅳ類を「外的基準が量的変数の場合のカテゴリカルデータ版の回帰分析」とする選択肢4が適切でない。カテゴリカルデータ版の回帰分析に当たるのはⅠ類である。
- ① 正しい。Ⅱ類は質的な外的基準(群)を判別する手法で、判別分析に対応する。
- ② 正しい。Ⅰ類は量的な外的基準をカテゴリカルな説明変数で予測する手法で、重回帰分析に対応する。
- ③ 正しい。Ⅲ類は外的基準なしで個体とカテゴリを同時に布置し、コレスポンデンス分析と本質的に同じである。
- ④ 誤り。Ⅳ類は外的基準を持たず、対象間の親近性(類似度)データから対象を空間に布置する手法で、多次元尺度構成法に近い。回帰に当たるのはⅠ類である。
-
問7B2-067
共分散構造分析(構造方程式モデリング)におけるモデルの適合度指標の見方として、最も適切なものを1つ選べ。
- ① AICは、値が0.90以上であればモデルが適合していると判断できる絶対的な基準である。
- ② χ²検定の結果が有意(p<.05)であれば、モデルがデータによく適合していると判断する。
- ③ RMSEAは値が大きいほど、モデルがデータによく適合していることを示す。
- ④ CFIは1に近いほど、RMSEAは0に近いほど、モデルの適合が良いと判断する。
答えと解説を見る
正解:④ CFIは1に近いほど、RMSEAは0に近いほど、モデルの適合が良いと判断する。
CFIは1に近いほど、RMSEAは0に近いほど適合が良い。目安として、CFIは.90以上(近年は.95以上を求めることが多い)、RMSEAは.05以下で良好、.10以上で不良とされることが多い。ただし、これらは絶対的な基準ではなく、あくまで目安である。χ²検定は、帰無仮説を「モデルが母集団のデータ構造を完全に再現している(モデルから導かれる共分散行列=母集団の共分散行列)」とするため、有意ならモデルが棄却され、適合不良を意味する。ただしχ²値は標本サイズが大きいと有意になりやすいので、他の指標も併用する。GFIも1に近いほど良い指標だが、標本サイズなどの影響を受けやすく、近年はあまり重視されない。AICは複数モデルを比べる相対的な指標で、小さいほど良い。0.90という基準はCFIなどに使われるもので、AICには当てはまらない。
- ① 誤り。AICはモデル比較用の相対指標で、小さいほど良い。0.90以上という基準はCFIなどに使われる。
- ② 誤り。χ²検定の帰無仮説は「モデルが母集団で正しい(モデルによる共分散行列=母共分散行列)」なので、有意なら適合不良を意味する。
- ③ 誤り。RMSEAは小さいほど適合が良い指標で、大きいほど良いとするのは逆である。
- ④ 正しい。CFIは1に近いほど、RMSEAは0に近いほど適合が良い。
-
問8B2-068
独立変数Xが媒介変数Mを介して従属変数Yに影響するというパスモデルを考える。XからMへのパス係数をa、MからYへのパス係数をbとしたとき、Mを介した間接効果についての記述として、最も適切なものを1つ選べ。
- ① 間接効果は、aとbの和で表される。
- ② 間接効果は、aとbの積で表される。
- ③ 間接効果は、XとMの交互作用項の係数で表される。
- ④ 間接効果は、XからYへの直接効果と総合効果の和で表される。
答えと解説を見る
正解:② 間接効果は、aとbの積で表される。
媒介分析では、X→M→Yという経路を通る間接効果は、各経路のパス係数の積(a×b)で表される。総合効果は、直接効果と間接効果の和である。交互作用項の係数は、媒介ではなく調整効果を検討する際の指標である。
- ① 経路上の係数は足すのではなく掛け合わせる。和とするのは誤り。
- ② 経路を通る間接効果は、各パス係数の積a×bで表され、正しい。
- ③ 交互作用項の係数は調整効果の指標で、媒介の間接効果ではない。
- ④ 総合効果が直接効果と間接効果の和である。間接効果をそう定義するのは誤り。
-
問9B2-069
ある心理尺度の確認的因子分析を、男性群と女性群で同時に行う多母集団同時分析の考え方として、最も適切なものを1つ選べ。
- ① 各集団の標本サイズが等しくなければ実施できないため、人数の多い群からデータを無作為に削除して揃える。
- ② 男女のデータを1つにまとめて共分散行列を求め、性別の平均差をt検定で調べることで、集団間の等質性を確認する。
- ③ 男女を別々に探索的因子分析にかけ、抽出された因子数が同じであれば、因子負荷量も男女で等しいと判断する。
- ④ 男女で同じ因子構造のモデルを仮定し、因子負荷量に男女間で等値制約を置いたモデルと置かないモデルの適合度を比較して、測定の等価性(測定不変性)を検討する。
答えと解説を見る
正解:④ 男女で同じ因子構造のモデルを仮定し、因子負荷量に男女間で等値制約を置いたモデルと置かないモデルの適合度を比較して、測定の等価性(測定不変性)を検討する。
多母集団同時分析では、複数の集団に同じモデルを同時に当てはめ、因子負荷量やパス係数などに等値制約を置くモデルと置かないモデルの適合度を比べ、集団間でパラメータが等しいか(測定の等価性、すなわち測定不変性など)を検討する。通常は、因子構造だけをそろえた配置不変モデルを基準にし、因子負荷量の等値制約(弱測定不変)、切片の等値制約(強測定不変)の順に制約を加えたモデルと適合度を比べ、測定不変性を段階的に検討する。因子負荷量の等値制約の比較で確かめられるのは、このうち弱測定不変(メトリック不変)の段階までである。標本サイズは集団間で異なっていてもよく、人数を揃える必要はない。
- ① 標本サイズが集団間で異なっていても実施できる。人数を揃える必要はない。
- ② データを併合してt検定するのは平均差の検討で、因子構造の等質性の検討にはならない。
- ③ 因子数が同じでも因子負荷量の等しさは保証されない。別々の探索的因子分析を見比べるだけでは、負荷量が等しいかを統計的に検定できない(因子一致係数などで類似度は確かめられる)。
- ④ 等値制約の有無で適合度を比べ、集団間の測定の等価性(測定不変性)を検討する方法で、正しい。因子負荷量の等値までなら弱測定不変の検討にあたる。
-
問10B2-070
児童が学級に所属するような、入れ子構造のデータを扱うマルチレベル分析について、最も適切なものを1つ選べ。
- ① 集団の数が2~3程度と少なくても、集団レベルの効果を安定して推定できる。
- ② 級内相関係数が0に近いほど、得点に対する集団の影響が大きいことを意味する。
- ③ 級内相関係数が大きい場合でも、個人間の独立を仮定した通常の回帰分析をそのまま適用して差し支えない。
- ④ 級内相関係数が大きいほど、得点のばらつきのうち集団間の違いに由来する割合が大きく、個人を独立とみなす仮定が成り立たなくなりやすい。
答えと解説を見る
正解:④ 級内相関係数が大きいほど、得点のばらつきのうち集団間の違いに由来する割合が大きく、個人を独立とみなす仮定が成り立たなくなりやすい。
級内相関係数は、全分散のうち集団間分散が占める割合で、大きいほど同じ集団内の個人が似ていることを示す。このとき個人が互いに独立という仮定が成り立たなくなる。なお、標準誤差が過小評価される程度は級内相関係数だけでなく集団あたりの人数にもよる(デザイン効果 = 1 + (平均集団サイズ − 1) × 級内相関係数)。級内相関係数が小さくても、集団が大きければ影響は無視できない。そのため通常の回帰分析をそのまま適用すると、特に集団レベルの説明変数の効果について標準誤差が過小に評価されやすく、第1種の過誤が起こりやすくなる。個人レベルの説明変数は、その変数が集団内でもばらつく分、標準誤差の過小評価は集団レベルの変数より小さくなりやすい。また、集団レベルの効果を安定して推定するには、ある程度多くの集団が必要である。
- ① 誤り。集団数が少ないと集団レベルの分散や効果の推定は不安定になる。
- ② 誤り。級内相関係数が0に近いのは、集団間の違いが小さく集団の影響が小さいことを示す。説明が逆である。
- ③ 誤り。集団内の類似性を無視すると、特に集団レベルの変数の効果で標準誤差が過小評価されやすく、第1種の過誤が増える。そのまま適用してよいわけではない。
- ④ 正しい。級内相関係数は全分散に占める集団間分散の割合なので、大きいほど集団の影響が大きく、個人の独立性の仮定が成り立ちにくい。
B2 統計・測定・評価のほかの論点
問題はすべてこのサイトのオリジナルで、本物の過去問ではありません。AI で作り、別の AI が答えと根拠を確かめた物だけを載せていますが、まちがいが残っているかもしれません。