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) 2 / 44 本日の内容 • データの入力と読み込み – Excelへのデータの入力 – Excelファイルの読み込み • 被験者間2要因分散分析 – – – – 分析の目的 分析例のデータ 分析方法 結果の見方 • 重回帰分析 – – – – 分析の目的 分析例のデータ 分析方法 結果の見方 • 探索的因子分析 – – – – 分析の目的 分析例のデータ 分析方法 結果の見方 • その他 3 / 44 本日の内容 • データの入力と読み込み – Excelへのデータの入力 – Excelファイルの読み込み • 被験者間2要因分散分析 – – – – 分析の目的 分析例のデータ 分析方法 結果の見方 • 重回帰分析 – – – – 分析の目的 分析例のデータ 分析方法 結果の見方 • 探索的因子分析 – – – – 分析の目的 分析例のデータ 分析方法 結果の見方 • その他 4 / 44 Excelへのデータの入力 • 1行目（一番上の行）は変数名。 – SPSSでデータの最初の行から変数名を読み込 むため。 – Excelでソートするときもタイトル行にできる。 • 1列目（一番左の列）は被験者ID。 – 今回は分析の例が中心なので被験者IDは省略。 • 被験者1人分のデータは1行に。 – 対応関係は切らない。 5 / 44 具体例 A 1 被験者ID B 性別 1行目は変数名。 C D 統制条件 実験条件 2 1 F 2 7 3 2 M 1 8 4 3 M 1人分のデータは1行に。 2 8 5 4 F 1 8 テキストと違うデータで ごめんなさい。 1列目は被験者ID。 6 / 44 Excelファイルの読み込み 7 / 44 本日の内容 • データの入力と読み込み – Excelへのデータの入力 – Excelファイルの読み込み • 被験者間2要因分散分析 – – – – 分析の目的 分析例のデータ 分析方法 結果の見方 • 重回帰分析 – – – – 分析の目的 分析例のデータ 分析方法 結果の見方 • 探索的因子分析 – – – – 分析の目的 分析例のデータ 分析方法 結果の見方 • その他 8 / 44 目的 • 交互作用（一方の要因の水準ごとに、従属変 数に対する他方の要因の効果が異なること） の有無を調べたいとき。 – 例えば、ある種の抗酸化剤を投与するか否かに よって、マウスのDNA合成能に及ぼす放射線照 射の効果が異なるかどうかを調べたいとき。 9 / 44 データ • 従属変数 マウスのDNA合成能。放射性同 位元素でラベルされたチミジンの取り込み量 （cpm）で測定される。 • 要因 以下の2つ。 – 放射線照射の有無 – 薬剤（ある種の抗酸化剤）投与の有無 • 教科書p.119～120参照。 10 / 44 分析方法 • 分析(A) – 一般線型モデル(G) • 1変量(U) 11 / 44 分析方法 12 / 44 分析方法（作図） 13 / 44 分析方法（オプション） 14 / 44 分析方法 15 / 44 結果の見方 • 被験者間効果の検定 – 2つの要因が*で結ばれているところが交互作用 の行。 – 交互作用の行、有意確率の列（p値）が0.05未満 なら、有意な交互作用あり。 – 論文には、次の指標が必要。 • 第1自由度（交互作用の行、自由度の列。） • 第2自由度（誤差の行、自由度の列。） • F値（交互作用の行、F値の列。） 16 / 44 結果の見方 被験者間 効果の検定 従属変数: DNA合成能 ｿｰｽ ﾀｲﾌﾟ III 平方和 自由度 a 修正ﾓﾃﾞﾙ 3850.129 3 切片 1037023.548 1 照射 3016.301 1 薬剤投与 111.924 1 照射 * 薬剤投与 721.905 1 誤差 4429.805 36 総和 1045303.483 40 修正総和 8279.935 39 a. R2乗 = .465 (調整 済みR2乗 = .420) 平均平方 1283.376 1037023.5 3016.301 111.924 721.905 123.050 F 値 10.430 8427.650 24.513 .910 5.867 （F(1, 36)＝5.867，p＜.05） 有意確率 .000 .000 .000 .347 .021 17 / 44 結果の見方 18 / 44 ここで10分間休憩にします。 19 / 44 本日の内容 • データの入力と読み込み – Excelへのデータの入力 – Excelファイルの読み込み • 被験者間2要因分散分析 – – – – 分析の目的 分析例のデータ 分析方法 結果の見方 • 重回帰分析 – – – – 分析の目的 分析例のデータ 分析方法 結果の見方 • 探索的因子分析 – – – – 分析の目的 分析例のデータ 分析方法 結果の見方 • その他 20 / 44 目的 • 従属変数に対して、どの独立変数が影響を 及ぼしているかを調べたいとき。 – 例えば、肺活量に対して、身長と体重のいずれ が（あるいは両方が）影響を及ぼしているかを調 べたいとき。 • 複数の独立変数を用いて、従属変数の値を 予測したいとき。 21 / 44 データ • 従属変数 • 独立変数 年齢 以下の7つ。 – 精神的な活発さ、知的な行動力、生活の堅実さ、 心身の不安定さ、望ましくない食生活、運動実施、 疾病頻度 • 教科書p.141～142参照。 22 / 44 分析方法 • 分析(A) – 回帰(R) • 線型(L) 23 / 44 分析方法 24 / 44 分析（残差分析） 25 / 44 分析（統計） 26 / 44 分析方法 27 / 44 結果の見方 • モデル集計 – 変数をステップワイズ法で取捨選択した場合は、 最下のモデルを見る。 – そのRについている記号に対応する変数が選ば れた変数。 • 係数 – 変数をステップワイズ法で取捨選択した場合は、 最下のモデルを見る。 – Bが偏回帰係数。 28 / 44 結果の見方 ﾓﾃﾞ ﾙ集計 調整済み R2 乗 .115 .199 .220 .233 .238 ﾓﾃﾞﾙ R R2 乗 a 1 .342 .117 2 .451b .203 3 .475c .226 4 .490d .240 5 .498e .248 a. 予測値: (定数)、生活の堅実さ。 推定値の 標準誤差 10.730 10.208 10.074 9.991 9.954 b. 予測値: (定数)、生活の堅実さ, 疾病頻度。 c. 予測値: (定数)、生活の堅実さ, 疾病頻度, 望ましくな い食生活。 d. 予測値: (定数)、生活の堅実さ, 疾病頻度, 望ましくな い食生活, 精神的 な活発さ。 e. 予測値: (定数)、生活の堅実さ, 疾病頻度, 望ましくな い食生活, 精神的 な活発さ, 心身の不安定さ。 29 / 44 結果の見方 係数a ﾓﾃﾞﾙ 1 2 3 4 (定数) 生活の堅実さ (定数) 生活の堅実さ 疾病頻度 (定数) 生活の堅実さ 疾病頻度 望ましくない食生活 (定数) 生活の堅実さ 疾病頻度 1 望ましくない食生活 精神的な活発さ (定数) 生活の堅実さ 疾病頻度 望ましくない食生活 精神的な活発さ 心身の不安定さ 非標準化係数 B 標準誤差 38.558 2.450 1.008 .139 33.391 2.461 .998 .132 1.089 .167 38.129 2.800 .966 .131 1.108 .164 -.471 .138 41.063 2.972 1.118 .141 1.009 2 .167 -.485 .137 -.394 .142 42.329 3.030 1.097 .141 1.184 .188 -.442 .139 -.412 .142 -.230 .116 標準化係 数 ﾍﾞｰﾀ .342 .339 .293 .328 .298 -.151 .379 t 15.737 7.265 13.568 7.555 6.540 13.617 7.392 6.735 -3.401 13.817 7.944 6.045 -3.529 -2.771 13.972 7.807 6.285 -3.191 -2.904 -1.976 有意確率 .000 .000 .000 .000 .000 .000 .000 .000 .001 .000 .000 4 .000 .000 .006 .000 .000 .000 .002 .004 .049 y＝42.329＋1.097x ＋1.184x －0.442x .2723－0.412x －0.230x5 5 a. 従属変数: 年齢 -.155 -.135 .372 .319 -.142 -.141 -.101 30 / 44 本日の内容 • データの入力と読み込み – Excelへのデータの入力 – Excelファイルの読み込み • 被験者間2要因分散分析 – – – – 分析の目的 分析例のデータ 分析方法 結果の見方 • 重回帰分析 – – – – 分析の目的 分析例のデータ 分析方法 結果の見方 • 探索的因子分析 – – – – 分析の目的 分析例のデータ 分析方法 結果の見方 • その他 31 / 44 目的 • 多数の観測変数を、少数の潜在変数で説明 したいとき。 – 例えば、様々な食物の摂取量の相関係数を、少 数の因子で表現したいとき。 32 / 44 データ • 観測変数 米、パン、めん・その他、いも類、 菓子類、油脂類、味噌、豆類、果実、緑黄色 野菜、淡色野菜、海藻、嗜好飲料、魚介類、 肉類、卵、乳・乳製品、の17種類。 • 教科書p.141～142参照。 33 / 44 分析方法 • 分析(A) – データの分解(D) • 因子分析(F) 34 / 44 分析方法 35 / 44 分析方法（因子抽出） 望ましさは、 最尤法＞最小二乗法＞主因子法 結果の出やすさは、最尤法＜最小二乗法＜主因子法 36 / 44 分析方法（回転） 37 / 44 分析方法（オプション） 38 / 44 分析方法（記述統計） 39 / 44 分析方法 40 / 44 結果の見方 • パターン行列 • 因子相関行列 41 / 44 結果の見方 ﾊﾟ ﾀｰﾝ行列a 因子相 関行列 因子 1 米 パン めん ・そ の他 いも類 菓子類 油脂類 味噌 豆類 果実 緑黄色野菜 淡色野菜 海藻 嗜好飲料 魚介類 肉類 卵 乳・乳製品 .838 -.048 .210 .272 .268 .216 .435 .090 .260 .091 .550 .150 .197 .209 -.171 .295 .001 2 -.315 .192 .085 .080 .179 .549 .004 .181 .214 .558 .185 .219 -.089 .236 .501 .290 .445 因子抽出法: 最尤法 回転法: Kaiser の正規化を 伴うﾌﾟﾛﾏｯｸｽ法 a. 3 回の反復で回転が収束しました 。 因子 1 2 1 2 1.000 .131 .131 1.000 因子抽出法: 最尤法 回転法: Kaiser の正規化を 伴うﾌﾟﾛﾏ ｯｸｽ法 42 / 44 本日の内容 • データの入力と読み込み – Excelへのデータの入力 – Excelファイルの読み込み • 被験者間2要因分散分析 – – – – 分析の目的 分析例のデータ 分析方法 結果の見方 • 重回帰分析 – – – – 分析の目的 分析例のデータ 分析方法 結果の見方 • 探索的因子分析 – – – – 分析の目的 分析例のデータ 分析方法 結果の見方 • その他 43 / 44 SPSS 15.0Jの新機能 • Advanced Modelsで一般化線形モデルの分析が 可能に。 – 線形モデル（Linear Model） • 従属変数も独立変数も量的変数。 • つまり回帰分析。 – 一般線形モデル（General Linear Model） • 質的な独立変数も扱える。従属変数は量的変数。 • 分散分析も一般線形モデルのひとつ。 – 一般化線形モデル（Generalized Linear Model） • さらに質的な従属変数も扱える。 • 対数線形モデルも一般化線形モデルで扱える。 44 / 44 一般化線形モデル • では、実際にやってみましょう。 • …すみません、準備が間に合いませんでした (^_^;)。 • 詳しくは後ろのSPSS社の方にきいてください。
© Copyright 2024 ExpyDoc
