Title 双線形モデルにおける因子回転 Author(s) Citation 商学討究 (小樽商科大学) (1997), 47(2/3): 181-206 Issue Date URL 小笠原, 春彦 1997-01-17 http://hdl.handle.net/10252/1144 Rights This document is downloaded at: 2016-01-18T20:32:10Z Barrel - Otaru University of Commerce Academic Collections 双線形モデルにおける因子回転 小笠原 要 春 彦 約 因子分析モデルで代表 される双線形モデルには,交互作用項の部分に因子回 転に相当する自由度が存在する。 この研究では,因子分析以外の双線形モデル のうち, 2元頻度表に関す る対数双線形モデル と 2要因分散分析モデルのひと つである FANOVA モデルを とりあげ,複数の因子負荷行列 を対象 に因子 回 転 を行い,その標準誤差を推定する方法 を示 した。 また,線形項の含 まれるモ デルでは因子負荷行列の列和が 0である制約が課 されることが多いので,従来 の回転方法に加 えて,寄与の分散 を最小化する方法を示 した。 1.淑線形モデル 観測個体 ×変数で構成 され るデー タ行列や 2元の分割表等 において, ( i , j ) 要素の頻度 または連続変数の測定値 を x l jとあ らわす ( i =1 , …, p ; j=1 , . . . , q) .双線 形 とは ∫ ≡∑k lli k l2j k = 1 ( 1) xi j の ようにモデルが積 の形の項 を含む ことを意味す る。 この場合, Al i k ,A夢kは パ ラメータである場合 と確率変数である場合がある。 また,次のように線形の 〔 1 8 1 〕 18 2 商 学 討 究 第47巻 第 2・3号 項が含 まれることがある。 γ x i , ・ 芸F L g+FL l i+ FL z, . + ∑ ス1ikA2ik ( 2) k =1 Kr us ka l( 1 9 8 1 )は ( 1 ) 式のモデルを純双線形 ( pu r ebi l i ne a re xpr e s s i o n ) ,( 2 ) 式のモデルを混合双線形 ( mi xe dbi l i ne a re xpr e s s i o n )とよび区別 している。 当 論文では ( 1 ), ( 2 )式の表現 をともに双線形モデル とよぶ 。 ( 2)式の典型的なモ デルはいわゆる因子分析モデルである。 すなわち, xi= F L +Af i ( 3) である。ここで,x j=( Ni l , . . . Xi I ・ ) ' , 旦=(ill, . . . ,F L p) I ,A=lAg】 , 透 -gi l , ‥. t f i r )' であ り, x j はi 番 目の被験者 に関する観測値のベク トル,且 は平均のベ ク トル, Aは因 子負荷行列,f l ・は因子得点のベ ク トルである。 fiが確率変数ではな く且 ,A と同様 にパ ラメータである場合 は因子分析 の母数模型 とよばれるが,これは ( 2 ) 式 において 〟g,F L l iがない場合 に相当する. f iが確率分布 に従 う変量模型の場 3)式は線形モデルである。 合 は,パ ラメータについてのみ考 えると( ところで ( 2)式 にはモデルに一意性がない ことはあ きらかである。そのひと つは位置 に関す るもので, もうひとつは尺度を含む変換 に関す るものである。 j ' q メ q 前者の不 定性 を除 くために,通常 ∑ F L l i-∑ F L Z j-∑ Al i k-∑ A2 j k-0, ( k-1 , …, r ) 1 j = l i = 1 j1 i の ような制約が課 される。後者の不定性の 問題は次 により示 される。 AIAZ '- AITTl lA2'- AI T(A2T' 1 ) ' ( 4) ここで, ( 4)式は ( 2)式の右辺第 4項 に対応す る行列であ り, A l =【Al i k 1 ,AZ -lA2 j k ]である。 また, T は任意の k次の正則な正方行列である。 この間題は ( 3)式の因子分析 モデルでは因子の変換や回転の問題 として古 く 183 双線形モデルにおける因子回転 か ら研究 されてきた ( 例えば Ha r ma n,1 9 7 6,芝 ,1 9 7 9,柳井他 ,1 9 9 0 参照)0 これは一意性の欠如 を逆 に利用 して,Aの変換後の行列 A7 1 をよ り適切 なもの に構成するということで もあるが,変換 の対象は通常の場合 A というひとつの 2)式の場合 に因子分析 モデル との類似性か らAlとA2 負荷行列である。一方 ,( を因子負荷行列 とよぶ と( 2)式には通常の因子分析モデル と異 な り, 2つの因 子負荷行列が存在す ることになる。 当論文ではこの ような双線形モデルにおける因子の変換 問題を 2つの主なモ デルについて扱 う。 なお, ( 2 )式は最 も簡単 なケース として示 した もので一般 には次のように表わされる。 ′ i(E(Xi j) )- F L g+FLli+ FL2i+k ∑A i kA2i k 1l ( 5) ここで,f ( ・ )は一般化線形モデル ( Mc Cul l a h & Ne g l d e r ,1 9 8 9 )における種 々 の リンク関数 に対応する。すなわち,期待値のある変換が双. 線形 となっている モデルである。ただ し, ( 5)式の右辺は双線形モデルであるので これは一般化 Cho ul a ki a n,1 9 9 6 )である。 双. 線形モデル ( 2.対数双線 形 モデル にお ける因子 回転 2. 1 対数線形モデル と対数双線形モデル 対数線形モデルは頻度表 ・分割表のモデル としてよく知 られている ( 例 えば Bi s h o pe ta 1 . ,1 9 7 5 参照) 2元頻度表の ( i ,j )要素の東度 に関す る確率変数 を 0 Xl j とす ると典型的な対数線形モデルは l n( E( Xi j) )= F L g+FLli+ FLZj+FL3ij である 。 ( 6) ここで I L 3i jはいわゆる交互作用の項 を表わ している。対数双線形 ( l o g 3l jの項が双線形 に構造化 されたモデルであ り, R C連関 b i l i ne a r )モデルは FL 1 8 4 商 学 討 究 第47 巻 第 2・3号 モデル,乗法的交互作用モデル等 ともよばれることがある ( Goodma n,1 9 85, 1 9 86,1 9 91 ;Ande r s e n,1 9 9 4 )0 上記の確率変数 X l jは互いに独立にポアソン分布 に従 うと仮定するとそれぞ れの確率関数は次のように記述 される。 p( x i J ・ - xi ) ・ )- e xp(8i jXi j )e xpトe xp(8i j ) i /xi j ! , ( 7 ) r Si j- F L g+F L l i+FL2j+∑ llik≠k l2jk,( i- 1, . . . , 9; I-1. . . , q) k=1 , ここで 4 ・ kはモデルの一意性のために導入 されたパ ラメータで,厳密 には ( 7)式 は三重線形 ( t r i l i ne a r ) であるが, これは回転により双線形 に変換 される。 さて,モデルの一意性のためにパ ラメータに制約 を付す。 まず,各パ ラメー タをベ ク トルと行列で次のように表わす。 L l= (F L l l , -,FLIp) ' ,_ 些 = (F L ll , -・ ,FLlq)' , ( 8) Al -Ellik],A2-【12th],◎ -di a g(41 , . . . ,¢Y) パ ラメータの制約は 旦 1 ' i p- 0, i L 2 ' 土 q= 0,Al'1 2=A2 ' 土 q= Or , ( 9) Al 'Al -I r ,A2 'A2 -I r である. ここで,ム =( 1 ,...,1 )' (S 個の1 ) , 9Z : =( 0, . . . , 0 ) ' ( r個の0 )で ん は r次の単位行 列である。 7)式 において Ali k あるいは A2 jk の一方が潜在確率変数であるモ ところで, ( デルは, Oga s a wa r a( 1 99 6 a ,b)のモデルであるが これは ( 3 )式の通常の因子分 析モデルを頻度のケースにあてはめた ものであ り,「ポアソン因子分析」あるい は「 潜在変数を含む対数双線形モデル」と名付 けられている。 この表現 を用いる 7)式のモデルはポアソン因子分析の母数模型 とい うこともで きよう。 ただ と( 185 双線形モデルにおける因子 回転 し,通常の因子分析 モデルの ようにA lとA 2の一方が因子負荷で他方が因子得 点であるとい う区別 は一般 にはない。 2. 2 回転前パラメータの推定 パ ラメー タの推定 は尤度 を最大化す ることにより行 う。 回転前のパ ラメータ の推定 に関す る当節 の方法 は Gi l ur aa ndHa be r ma n( 1 9 86 )によ り,示 されて いるものであるが, この方法は他 の双線形モデルにも応用可能であ り, また, 回転後の結果 とも密漢 に関連するので要点 を述べ る。 各頻度 ( X -l xl j ])の観測が相互 に独立である とい う仮定の下で,各パ ラメー タの尤度 は次のようになる。 Z Iq I ) q L(Pg,ti・ L2,Al ,A2 ,◎J x)- qe苦p( q jx 2 j)e xp ト ex p(∂ l j ) i / xl j !( 1 0 ) =e ;p( q妄 言Si, ・X i j) e xp ∑∑トe xp( Si j ) i p l, ∂l i =1j-1 /i E lj gl Xl ' ] ' ! パ ラメータの推定値 は ( 9 )式の制約の下で ( 10 )式 を最大化するものである。 負の対数尤度 を′とす ると F E Zp i i- l nL- ∑∑ ト 8i , ・ x i j l j ' -1 + i = i j ) +l n( ex p( 8 x ij ! ) i ( ll ) 9 )式の制約 に対応す るラグランジュの未定乗数 をそれぞれ, α1,α2, である。 ( 1 , . . , β1 , ) I& =( β2 1, . . . ,β2 , ) ' ,rl( =rl ' ) ,r2( =r2 ' )とす る と最小化基 準 g は _ 負 -(β1 ,_ 次のようになる。 ( 1 2) g = f+ l , i- α1 _ 色' ip +α2」塑 'iq+過 . 'Al ' ip +ii2'A2'主q ・‡ trけ 1(Al,A1-I)廿i trlr2(Jb・J bI ,) i , 186 商 学 討 究 第47 巻 第 2・3号 ( 1 2) 式の最小化 はス コア法 を用いた数億計算 による。 これに必要 なグラデ イエ ン トベク トルは g番 目のパ ラメー タを 0g とすると I )q 9i ∑ ∑ 1 -x2 ・ j・ e xp(8 i j ) i B og i 1j 1 豊 十蓋 ( 1 3) のように表わされる。上式の右辺の要素 は容易 に得 られ表 1- 1の ようになる。 また,情報行列の ( g,h) 要素は Pq E i∂2g /。o g ∂o hi- ∂S i j∂Si j. ∂21 + ( 1 4) O hIa O g aO h 茅 昌 e xp(8i j) B og a であるo ここで ∂ 21 /∂Og∂Ohの うち0でない要素 は表 1- 2の ようになる。 未 定乗数 を除 くパ ラメー タの数 は♪+q+1+r( ♪+q+1)であ るが,未定乗数の ,1 ,r+ ( r /2 ) ( r+1 ) ,r+ ( r /2 )( r 数 に相 当する制約の数は逝 , 也 ,Al,A2の順 に1 +1)である。繰 り返 し計算 は次の ように行 う。 旦♪( i+ 1)-旦 夕( i ) + ( l i ) a( i ) ( 15) ここでは_ Q P( i )未定乗数 を含 む ♪+q+3+r( ♪+q+Y+4)個 のパ ラメー タを並 べたベ ク トルで添字の ( i )は i番 目の繰 り返 しにおける値であることを表わす。 ( l I( i )は情報行列, a ・ )はグラデイエ ン トベク ト) i , である。 187 双線形 モデルにおける囚1 ・ 回転 表 11 1 グラデ ィエン トベク トルの要素 パ ラメー タ ∂∂〆/βog 0 F L g 〟 1 g 1i g F L 2 h ^2 hk ] ● . h ∂l T gd , kA2 j k a : hbkAli k. ¢k Al i kA2 j k Al gh α 2 A A2 γ1 k k α 1 yl k 1 γ2 k k β ● 6 0 9, 0 0 0 9, 添字の範囲 ∂/ / ∂βg dl α 2 β1 k+( Alr1). gk C2 k+( ^2r2 ) h k ど -1, -, ♪ h -1, . . . , q g -1, -, P, . A-1 , -, r 0 h-1 , . . . , q ; k-1 , . . . , r A-1, . . . , r 旦2 ' iq Al / i J , A2 ' lq ( 1 / 2 )1 ( Al ' A1 ) kk-1 i 空 _ 1 ' i ♪ k -1 , . . . , r ( Al ' A1 ) k l ( 1/2)1 ( A2 ' A2 ) kk -1 i r≧ k> l≧1 A-1 , . . . , r 注 ∂i gはクロネ ッカーのデルタ (∂ s T t-1 , S-i , ・a s l t-0,S≠ t) であ り、 rl =〔γ l 〕,r2 -〔γ2 k l 〕である。 1 k 表 1- 2 情報行列の要素 パ ラルー タの対 a2 l / aOgaOh 添字の範 囲 Pl c ,a1 F L 2 h,a 2 1 1 ど-1 , -, ♪ h -1 , . , . , q Al gk ,Al gl yl k l g -1, -, A;r≧ k≧ l≧1 Al gk ,β1 k 1 g -1 , -, A;k -1 , . . . r Al gk ,γ1 k l Al gl g -1, -, A;r≧ k≧ l≧1 Al gl ,γ1 kl Al gk a -1, -,A ;r≧ k> l≧ 1 ^2 h k ,A2 hl y2 k l h -1, -, q;r≧ k≧ l≧1 12hk,β2k 1 h -1 , . . . , q;A-1 , . . . , r AZ h k ,γ2 k l ^2 hl h -1, -, q;r≧ k≧ l≧1 ,γ2 k l 12hl ^2 hk h -1, -, q;r≧ k> l≧ 1 188 商 学 討 究 第47巻 第 2・3号 2.3 線形項のないモデル ( 7)式のモデルにおいて FL g,F L l i,I L 2 iを除いたモデルは前述の純双線形のモ デルである. これは, ( 3)式の通常の因子分析モデルでは平均項且 を除いたモ mot o( 1 9 7 2 )は主成分分析 の文脈 ではあるが このような デルに相 当す る。 Oka モデルを N ( na t ur a l ,na i veの意)テクニクとよんだ。 ここで も,その呼び方 を援用する。 このモデルは表現が簡略になる反面,データへのモデルのあては ま りは,同一の γ ( 因子数 と呼ぶ)の場合 は ( 7)式のモデル と比べ ると不利で ある。 N テクニクのモデルでは ∂l j=( ^1◎ ^ 2' ) l jである. したがって,モデルの一 意性のための ^1と^2 の制約 は^1 'A1-I , ,A2 '^2=Z ,のみでよいoパ ラメー タの推定法は前節 において,該当 しないパ ラメータと不要な制約の部分 を除い て構成すればよい。 なお, ( 7 ) 式のモデル と N テクニクのモデルの中間の もの として通常の因子分析モデルのように, 2つの要因 ( 被験者 と変数)のうち平 均項が一方の要因のみに設定 されるモデルも同様 に構成することがで きる。 2.4 因子回転の方法 線形項 を含 むモデル及び N テクニクのモデルのいずれにおいて も交互作用 項 を様 々に変換す ることが可能である。交互作用項 を集合的にAl◎A2 'で表 わす と, Al申A2 '- AIT( T l◎ S1 ) (A2 S) ' ( 16 ) / 2 C 7 7 (A2⑳1/2( 1/C ) rl 1 ) I - (Al◎1 である. ここで, S,T は r次の任意の正則 な正方行列である。 ( 1 6)の上の式 11が因子 問の関連 を表わす行列 ( 一般 に非対称) としてあ らわれて は Tl◎S' お り,解釈 は単純ではない。( 16)の下の式の T は直交行列である必要はないが, T' T-TT' -( ,とす る と,t ri (^1◎ 1/2cT) (Al◎ 1/2cT) ' 1-t r (◎) C 2 , t rl A2◎ 1 /2 ( 1/C ) T) (^2◎1 / 2 ( 1 /C) T)・ ト ー r (◎) /C2となって C が一定 とす ると因子負荷の 189 双線形モデルにおける国子回転 2乗の平均の大 きさが変換 によって も変わらないのでわか りやすい。 また,因 子分析 における直交回転の諸手法 を利用することも容易 となる。 C の大 きさは1とす ると各 因子の寄与が 2つの因子負荷行列で等 しくな り自 少,q) が同一の場合 は良 然の ようにみえる。 これは, 2つの要因の水準の数 ( いが,それ らが異 なると水準数の大 きい ( 小 さい)方の要因の因子負荷が平均 的に小 さく ( 大 きく)なるので,同一の座標 にプロッ トする場合 などはわか り に くくなる。 したがって,因子負荷の 2乗の平均が Al とA2とで等 しくなるよ 1/4とす ると便利であろう。 うに C-抄/q) さて, Al ◎ 1/2C とA2 ◎1 / 2 /C をそれぞれ Al , A2とあ らわ し, これを回転前 β2 であ らわす と 因子負荷行列 とよび,直交回転後の因子負荷行列 を β1, Bl -AlOl / 2 cT-AI T, B2-A201/2 ( 1 /C ) T -A2T ( 1 7 ) である。 ここで問題 は適切 な Blと B2をもた らす Tを求めることである. 通常 の因子分析 の状況では因子負荷行列 はひ とつであることが多いが,イ ンター バ ッテ リー法のように変数が 2つのグループに分かれる場合 _ ( 小笠原 ,1 9 86 ) や複数の被験者集団か ら得 られたデータ等の場合のように,複数の因子負荷行 ks t i a n( 1 9 7 6 )は 2つの因子負荷行列が存在す る 列が存在す ることもある。 Ha 場合 に,いずれの行列にもいわゆる単純構造 をもた らす ような共通の直交行列 を得 る方法 を提案 している。 これは,因子回転後の各因子負荷行列のいわゆるオーソマ ックス基準の和 を Bl , B2 )は 最大化するものである。 すなわち,最大化基準 o( 忘 f・ ib i j 芽 貴b 2 1 l ・ j , 2 °忘 f{ #4 2 l j 等 貴酬 o( BI B2 , - ,l l l ,l ( 1 8, である。 ここで ,B1-【 bl l j],B2- 【 b2 i j]であ り, u Jはオー ソマ ックス ・ウェ イ トである。例 えば W=1のケースはいわゆるバ リマ ックス法 に対応する。なお, 因子負荷行列が 2つある場合で も( 1 8)式の 2つの項のうち,一方のみを用いる 1 90 商 学 討 究 第47 巻 第 2・3号 ことも可能であるし,各項 に異なるオーソマ ックス ・ウェイ トを用いることも 可能である。 ところで, ( 18)式 を最大化することにより, β1 , β2 には単純構造が もた らさ れ, 解釈が容易 になることが期待 される。 しか し, 平均項 を含むモデルではAl とA2には,各列の和が0であるという制約が課 されている。 この制約は, ip , Bl-i p ,Al◎1′2 c T-9, , iq , B2主q 'A2◎1 / 2( 1 /C ) T-9,であ り,回転後 も保存 さ れる。 したがって, このようなケースでは ( 1 8)式を最大化す ることにより,解 釈 の容易 な行列が得 られない可能性がある。そこで,次のような方法 を考 える。 7 -0のクオーティマ ックス オー ソマ ックス法 において,バ リマ ックス法は u 法 よりも寄与の大 きさが平均化 ( 水準化) されることが知 られている。寄与の 水準化が好 ましいことの根拠は必ず しも明確ではないが,各因子が異なる側面 を同程度の強 さで表現 している場合 ( 寄与が水準化 されている場合)には,因 子の解釈 も全体 として,行いやすいことは確かである。そこで, ( 17 )式の直交 回転の もうひとつの方法 として β1と β2 の寄与の水準化 を得 ることを考える。 寄与の水準化 を最大化す るには寄与の分散 を最小化すればよい。 β1につい r♪ rI ) てのみ考 える とこれは ( 1 / r )j ∑ (∑ b f i j ) 2 -i ( 1 / ∑1 b f i j 1 2 を最小化することで = 1i 1 あるが,第 2項 は直交回転 によ り不変であるので第 1項 を最小化すればよい。 r ) ∑ j 1 i - 1 8)式か らもわかるように,オーソマ ックス ・ウェイ トのつかない項 これは, ( を除いたオーソマ ックス基準 を最大化す ることに対応 している。前川 ( 柳井他 ,1 9 9 0,p. 1 0 2 )はこれを u,- +-のケース として説明 しているが,実際にこ の方法が適用 された例 を筆者は知 らない。 この方法 を水準化法 ( l e ve l i ngme t hod) とよぶ ことにす る。 2つの行列 の Bl, B2 )のを最大化 場合 については寄与の分散の和 を定数 ( 負)倍 した次の l( す る。 l( B' , B2 )- r♪ q -( 1/4)∑i (∑=lb写ij)2+ (∑ b 2i j ) 2 t j 1i i = 1 ( 19) ここで負 の値 を とるの は通常 の オー ソマ ックス法 のアル ゴ リズ ム ( 例 えば 双線形モデルにおける因子回転 1 91 Ka i s e r ,1 9 5 8 )を少ない修正で用いることがで きるようにするためである。なお, ks t i a nの方法 も通常のオーソマ ックス法の計算法 を基本的には用い 前述の Ha ることがで きる。 2. 5 因子回転後の因子負荷の棲準誤差 因子回転後の因子負荷の漸近的標準誤差 は,多変量正親分布 を仮定する連続 変数の因子分析モデルの場合 と同様 に,制約付最尤推定量の漸近的標準誤差 と して求めることがで きる。 ポアソン分布 を仮定する,対数双線形モデルの場合 もこの方法 を利用することがで きる。 また,因子回転後の因子負荷の制約式の 表現 は,複数の因子負荷行列がある場合 にも単一の因子負荷行列のケースを基 にして簡単 に求め られる。 単丁の因子負荷行列における直交回転の場合の制約 は Ar c he ra ndJ e nnr i c h( 1 9 7 3 )によって得 られた。 これは, どんな種類 の回 転法で も解析的な方法であれば適用す ることがで きる一般的なものである。 し か し, Ar c he ra ndJ e nnr i c hの証明は読みやすい ものではない。 一方,回転後の制約式 とい う観点か らではな く,回転後の国子負荷行列 を求 める とい う観点か らは,バ リマ ックス法 については Ma gnusa ndNe ude c ke r ( 1 9 8 8,p. 3 7 5, ( 1 2 ) 式)が ラグランジュの未定乗数法 を用 いて,その導出の途 中で制約式 に相当する式 に到達 している。 しか し,推定量の制約 とい う観点で はないので途 中の式 として記述 されてい るのみであ る。 また,竹 内 ・柳 井 ( 1 9 7 2,p. 2 3 0,( 7. 7 8 ) 式)もラグランジュの未定乗数法 を用いて直交回転後の 因子負荷 を求める一般解 として制約式の直前の段階に到達 しているが,推定量 の制約式 という観点はとられていない。 ここでは,ラグランジュの未定乗数法 をもとにして, これ らの研究の延長 と して複数の因子負荷行列がある場合 について,回転後の因子負荷の制約式 を次 に示す。 1 , . まず, S個 の回転後の因子負荷行列 B . . , Bsが存在 し,回転の最大化基準 t は個 々の最大化基準 ( 異 なる種類の基準で もよい)の和で次のようにあ らわさ れるとする。 192 商 学 討 第47 巻 究 第 2・3号 S i ( B1 , . . . , Bs )-k= k( B k) ∑ ( 20 ) t 1 この とき B1,..., Bsは直交 回転 のための行列 を T とす る と T' TI ,の条件 の 1 , . 下で t( B . . Bs )を最大化するもの として得 られる. したがって, ラグランジュ の未定乗数 として対称行列 rを導入すると解は I , ) i i- i ( B1,. . , Bs ) ( 1 / 2 ) t rけ ( T T- ( 21 ) を最大化す る もの として得 られる。 ( 21 )式 に ( 20)式 を代入 して′の rに関す る微分 をとると次のようになる。 S ∂ t k ( l ∑ ( a B k - k d f k i..∂t k ( Bk ) ∑t r i dBk Lt r(rTd 7 l-t r l 1 ` ■ ut∂ B k ' = 1 Bk ) ) -rT' ld7 1 ' Ak ( 22) 最適値 においてはfの Tに関する偏微分が 0であることか ら atk(Bk)Ak ) -I I T= 0 ( 23) であ り,右か ら T をかけて rが対称であることを用いると S Q- 表 蒋欝 Bk-k∑=1B・k a t k ( B k ) 0 a B k- ( 24) が得 られる。( 2 4)式 における Qのユニークな要素数は r( r 1)/2個である。( 1 8) 式のオーソマ ックス基準の場合 について具体的に表現すると Q=l ql j ]として, 乙 . っ i j- ∑ " 3 1 i 一 言 L = l q q b ") (i ・ 且 w lh bl庖 -I ♪ i , bl -( 3 1 , 号 bll j∑ q 蟹 l L . 1 弓j i 一 号i 皇 1(b3 2l i L =l 。 n l j b b2 l h ∑al b2 hi . . . b h i iI )bl li (2 5) ) b Z l j(b3 2l j 一 号 bZj h i i i -2hj 1 l 皇 1 b )b2 193 双線形モデルにおける国子回転 である。 なお, ( 1 6), ( 17)式か らわかるように Al とA2 を変換前因子負荷行列 として定めた場合,一般には回転以外の変換の自由度があるので,モデルの一 意性 のためには ㍉個の制約が必要である。 そ こで, ( 24)式以外 の制約 は次の ように求める。 Bl , Bl - r ◎( P/q ) 1/2T,B2 ' B2 - T'◎ ( q / p )/ 2T 1 ( 26) であるので R- qBl ' B1 -PB2'B2- 0 である. ( 27) Rの ( i ,j)要素 r l jについてみると メ q i j- q ∑ bll ibl l rP ∑ b 21 ib 2l j J = 1 g 1 r ( 28) ( i21 ) であ り,ユニークな R の要素の数は r( r+1 ) /2個である. β1と β2の漸近的標準誤差は拡大 された情報行列 Jに以上の結果 を用 いるこ S止ve y,1 9 7 0 ; J e nnr i c h,1 9 7 4 ; 小笠原 ,1 9 9 6 a, ち)0 とにより求めることがで きる ( Jの具体的な表現は付録 にある。 3. F ANOVAモデルにおける因子回転 FANOVA ( f a c t o ra na lys i so fva r i a nc e )モデルとは 2要因分散分析の交互 l l ob( 1 9 6 8 )によ 作用項が因子分析モデルの ように構造化 されたモデルで, Go り名付 け られた ものである。 このモデルでは前節 ませの対数双線形卓デルの対 数期待値が連続変数の期待値そのもの となっている。 このモデルは分散分析 の データにおいて各セルの観測数が 1 の場合で も交互作用 を検定で きる長所があ 194 商 学 討 究 第47巻 第 2・3号 り,因子 の数 ( r )が ひ とつの場合 は1 95 0年代か ら提案 されている ( Goodma n& Habe r ma n,1 99 0 ) 因子数が 2以上 の場合 は Go l l obが最初 の ようであるが, 。 この場合 には回転等の変換の自由度が発生する。モデルは次のように記述 される。 +eij Xi j- a i j ( 29 ) =F L g+ F L l i+ F J 2 j+ (Al◎ A2' ) i J .+ ei j , , 6 ; ・ ) ,( i-1 , . . . , 9; i-1, . . . , q ) ei j- N( 0 ここで e l jは相互 に独立である とす る。 qf jは等分散 を仮 定す ることが多 いが ここでは, よ り一般的な異 なる分散のケースを扱 う。 また,各パ ラメ⊥夕は対 数双線形モデル と同様 の制約があるもの とす る。パ ラメータの値 は正規分布 の 次 の尤度 をパ ラメー タの制約の下で最大化す ることに よ り求 めることがで き る。 6 1, 411 n g去 L(E ・l隼 e x汗 密 } ( 30) ここで且 , は,それぞれ ∂ i j におけるパ ラメー タを並べたベ ク トルである。 nl j は( i , j )セルの観測個体数であ る。繰 り返 し計算 も前節 までの方法 とほぼ同様 に行 うことがで きる。 分布型がポアソン分布ではな く,正規分布であることに よる計算上の相違 は次の点である。 負の対数尤度 f=-1 nL に関す るグラデ イエ ン トベ ク トル と0でない情報行列 の部分 は ii 皿 C Q2︰ り b = り ∬ ( H h ・ r 竹 ∑ ♪ v ・ ・L ∑TT E蕊 - 貴 著 普 ( . . . , 9 ; j= 1 , . . . , q ) ( i= 1, , ni j 6 ; 1- 市 也ao'a .3i 一義 i j 善 ( xi jl - 8 ,2, 双線形モデルにおける因子回転 195 31 ) 式 より である。 ( 2 JW < A u ︰ り 〟 H 一町 V I 叫 l ニ 2 ︰ り < ♂ であるので, qi J ・は繰 り返 し計算 において,他のパ ラメータの最新値 を用 いて 計算 した 6 "l j .により更新するとよい. 因子回転の方法,回転後の国子負荷の標準誤差の求め方 も前節 までの結果 と 同様である。 FANOVA モデルにおいて, Nテクニクのモデルを考 えること がで きることも同様である。なお, 等分散が仮定 され, 釣合い型データであれば, モデルのあてはめは各セルの平均値の線形項か らの残差に関する特異値分解 を 行 うことに相 当する。 4.数値例 表 2-1は Ha be r ma n( 1 9 7 9 )に引用 されている L Sr o l e他 の研究例で,棉 神 の健康のカテゴリーと親の社会経済的地位に関する頻度表である。 表 2-2 は 2因子モデルのあてはめの結果である。 回転の方法は 2つの因子負荷行列 を 対象 にしたバ リマ ックス法 と水準化法の ものである。線形項 は周辺度数に対応 した ものであ り,その標準誤差は交互作用 を表わす因子負荷 に比べて小 さい。 この例 は行 と列の各 カテゴリーがそれぞれ順序 を構成 してお り,回転前の第 Ⅰ 因子はその順序 に対応 し,第 Ⅱ因子は Gut t ma n( 1 9 5 4 )の i nt e ns i t y ( 強度)及 び符号 を逆 にした ものを表わ している。 一方, ◎の対角要素の大 きさをみると 第 Ⅱ因子 は第 Ⅰ因子 に比べ るとかな り小 さい。 回転後の結果は水準化法では第 Ⅰ因子 は精神 の健康 と高い地位 を表わ し,第 Ⅱ因子は逆に精神の不健康 と低い地位 を表わ してお り,回転前の因子負荷 とは 別のわか りやす さが得 られている。 バ リマ ックス法では社会経済的地位 のパ ター ンは回転前の傾向をかな り残 している。なお,回転後の因子負荷 の標準誤 差 も寄与の水準化 に対応 して均等化 していることがわかる。 なお, このモデル 196 商 学 討 究 第47 巻 第 2・3号 の適合の x2 値は尤度比 とピアソンによるものいずれ も. 5 2( d . I3 ) で適合 は十 b). 9)。 分である ( 表 2-3はNテクニクの結果である。回転前の第 Ⅰ国子の標準誤差は著 しく 小 さいが, これは周辺度数の情報を反映 しているため と解釈で きよう。 同 じく 第 Ⅱ因子はカテゴリーの順序 に対応 している。 回転後の結果はバ リマ ックス法 の もののみを示 してある。 全体 に億が大であるので見に くい面 もあるが第 Ⅰ, 第 Ⅱ因子は線形項のあるモデルの回転後の第 Ⅰ,第 Ⅱ因子 に対応 していること は明 らかである。 なお, この場合標準誤差 も均等化 されている。 表 3- 1はアメ リカの年別 ( 推定を含む9 年分)の博士号種類別取得者数 ( 計 1 46, 268名)の頻度表 ( Gr eena c r e,1 9 84)である。表 3- 2は3因子をを仮定 し, Nテクニクで解析 した結果である。回転法は 2つの方法 を示 してあるがいずれ も学位 に関する因子負荷行列のみを対象 としたものである。バ リマ ックス法で は第 Ⅲ因子 と第 Ⅰ因子の学位の部分が回転前の傾向をかな り残 している。水準 -19 70年,化 学,生物 学, 第 Ⅱ因子 は 化 法 の結 果 をみ る と第 Ⅰ因子 は 1960 1 9 7 4-1 976( 推定)午,心理学,生物学,第 Ⅲ因子 は1972-197 4年,工学,数学, 社会科学他 などに対応 している。 これ らの対応 はバ リマ ックス法で もみ られな くはないが,数値が回転前 と同様 に因子間で大 きく異なるので見 に くい。また, 水準化法では標準誤差 も均一なものが得 られている ( 表にはないがバ リマ ック ス法の第Ⅲ因子の標準誤差は . 1 6- . 27である)。なお,尤度比 とピアソンによ 0,87. 3( d. f. =5 4)であ り,モデルのあてはま りとしては3 る値 はそれぞれ87. 9〈 . 001 )0 因子で も十分ではない ( 表 4- 1は Gol l ob( 196 8)のデー タである。 これは形容詞,動詞,名詞か ら ndma npr a i s e sa l c ohol i c s . ) を提示 して,人物 の良 し悪 L なる文 ( 例 Theki を11 段階の評定尺度で評価 させた ものである。 表の値は動詞 と名詞の組み合わ せ ごとの192回 ( 8形容詞 ×2 4人)の評定の平均値である。 ここでは簡単のため に動詞 と名詞以外 の要因はない もの とし,各セルは独立な20回の評定の結果で あ り,標本分散 はいずれ も1である と仮定 した。表 4- 2は2因子 を仮定 した FANOVA モデル ( 線形項 を含 む)のあてはめの結果である。 この例 も表 2- 1 97 双線形モデルにおける因子回転 1と同 じく各行 と各列 は一種 の順序 カテゴリーで もあ り,表 2- 2, 2- 3の 傾向 と類似の ものが得 られているといえる。 回転後の結果は大 まかには第 Ⅰ因 子 は良い動詞 と良い名詞,第 Ⅱ因子 は悪い動詞 と悪い名詞に対応 している。 し lcohol i csは水準化法では第 Ⅰ因子 に大 きな値である。 表 4- 1か ら. も か し, a lcohol i csは cr i mi nal sに比べ る と平均値のば らつ きが大 きこと わか るように a が水準化法 には影響 していると考えられる。 なお,標準誤差はバ リマ ックス法 の結果は概 して大 きく,水準化法の方が全般的に小 さくなっている。 表 2-1 精神的健康 と親の社会経済的地位 ● 親の社会経済的地位 ( A が最上位) A B C D E F 計 - 良好 ( We l l ) 64 57 57 72 3 6 21 307 やや症状 あ り( Mi l ds ympt om) 9 4 9 4 1 05 1 41 9 7 71 6 02 症状 あ り( Moder at es ympt om) 5 8 5 4 65 7 7 5 4 5 4 362 精神の障害 ( Ⅰ mpai r ed) 46 40 60 94 7 8 71 389 精神的健康の カテ ゴリー 注 ● Haber man ( 19 79,p. 375) 表 2- 2 線形項 を含むモデルの結果 ( かっこ内は橿準誤差) カテゴリー J L g : : 4. 1 7( . 0 3 ) 旦1, 42 We l l Mi l ds ymp. A 1, A2 Ⅱ バリマックス法 Ⅱ Ⅰ * 水準化法 Ⅰ Ⅱ -. 31( . 0 5 ) -. 7 4( . 0 7 ) . 2 8( . 2 0 ) . 6 8( . 0 9 )-. 0 6( . 1 6 ) . 5 6( . 0 9 )-. 3 9( . 1 0 ) . 42( . 0 4 ) -. 0 3( . l l ) . l l( . 4 3 ) . 0 4( . l l ) . 0 4( . 1 8 ) . 0 5( . 1 5 ) . 01( . 1 4 ) Mo d r.s y mp. -. 0 8( . 0 5 ) Ⅰ mpa i r e d Ⅰ . l l( . 1 3 )∴8 4( . 0 9 )-. 1 9( . 1 5 )-. 3 2( . 1 0 )-. 3 2( . l l )-. 1 8( . l l ) -. 0 4( . 0 5 ) . 6 6( . 0 9 ) . 4 5( . 2 0 )-. 5 3( . 1 5 ) . 3 4( . 2 2 )-. 2 9( . l l ). 5 6( . 0 8 ) 寄与 1. 0 0 1. 0 0 . 7 7 . 2 2 . 5 0 . 5 0 A -. 0 3( . 0 6 ) -A3( . l l )-. 1 6( A8 ) . 4 4( . 1 5 )-. 2 1( . 2 8 ) . 2 8( . 2 0 )-. 4 0( . 2 0 ) B ∴0 9( . 0 6 ) -. 4 4( . l l )-. 2 8( . 46 ) . 4 3( . 1 6 )-. 2 6( . 2 8 ) . 2 4( . 1 9 )∴4 4( . 2 0 ) C D . 0 7( . 0 5 ) -, 1 5( . 1 2 )-. 1 3( . 5 1 ) . 1 5( . 1 4 )-. l l( . 2 5 ) . 0 7( . 2 1 )-. 1 7( . 2 1 ) . 3 6( . 0 5 ) -. 0 2( . l l ) . 5 9( . 3 9 ) . 1 0( . 1 4 ) . 2 9( . 2 2 ) . 2 3( . 1 8 ) . 2 0( . 1 7 ) E -. 0 4( . 0 6 ) . 3 4( . 1 3 ) . 5 1( . 3 9 )-. 2 9( . 2 2 ) . 3 5( . 2 8 )∴0 7( . 2 1 ) . 4 5( . 1 7 ) F -. 2 8( . 0 7 ) . 7 0( . 1 0 )-. 5 3( . 1 7 )-. 8 2( . 1 3 )-. 0 7( . 1 7 )-. 7 4( . l l ) . 3 5( . 1 4 ) 注 :4) l l :1. 00( . 1 6 ), ¢22: . 22( . 1 3); '因子負荷の符号を変換 したO 198 商 学 討 究 第4 7巻 第 2・3号 表 2- 3 Nテク二クの結果 ( かっこ内は棲準誤差) カテゴ リー A1, A2 Ⅰ バ リマ ックス法 Ⅰ Ⅱ* Ⅱ Mi l ds ymp. . 55( , 0 05 ) . 0 3( . ll ) 1. 61( . 1 0 ) 1. 5 6( . 1 0) Modr.s ymp. . 49( . 0 05 ) -. 0 8( . 1 2 ) 1. 37( . 1 0) 1. 46( . 1 0) . 5 0( . 0 05 ) 1. 00 -. 6 6( . 0 8 ) 1. 0 0 A . 41( . 0 06 ) . 4 3( . l l ) 1. 77( . 09 ) 1. 1 0( . 1 0) B . 40( . 0 06 ) . 43( . 1 2 ) 1. 7 4( . 0 9 ) 1. 08( . 1 0) C . 42( . 0 05) . 1 5( . 1 2 ) 1. 5 9( . ll ) 1. 35( . l l ) D E F . 4 4( . 0 05 ) . 41( . 0 06 ) . 01( . l l ) -. 3 8( . 1 2 ) 1. 5 8( . l l ) 1. 1 5( . 1 2 ) 1. 占 6( . l l ) 1. 7 2( . l l ) . 38( . 0 06) ∴6 8( . 1 0 ) . 83( . 1 0) 1. 88( . 0 8) Ⅰ mpa i r ed 寄与 1. 02( . 05 ) 1. 8 4( . 05 ) 8. 7 9 8. 7 3 :¢1 1 :20. 49( . 1 3 ), ¢2 2 ∴9 6( . 1 5 ); *国子負荷の符号 を変換 した。 注 表 3- 1 アメ リカにおける博士号取得者数 ● 1 9 60 1 96 5 1 97 0 1 9 71 1 9 7 2 地球科学 生物学 1 4 4 4 2 2 3 4 25 3 375 5 1 1 1 9 63 33 6 0 5 76 8 03 95 4 1 8 88 社 会学 1 6 2 2 39 5 0 4 経済学 3 41 5 3 8 8 26 人類学 6 9 8 2 21 7 31 4 5 0 2 1 0 79 社 会科学他 注 * Gr e e na c r e( 1 9 8 4,p. 2 6 8) 1 3 5 1 77 2 0 0 5 1 心理学 7 5 3 1 8 3 3 8 5 4 6 8 2 1 2 45 41 4 2 8 3 0 6 3 6 6 2 2 6 8 2 農学 1 07 8 2 0 3 0 9 5 7 4 7 3 7 1 3 8 化学 4 3 3 1 1 0 46 1 6 55 6 9 1 1 53 0 1 97 4 4 4 1 3 物理学 8 2 2 9 0 4 9 7 7 3 6 5 3 4 4 9 7 2 4 0 9 3 9 0 3 2 5 8 5 6 8 4 5 9 3 6 685 1 2 22 1 0 0 5 5 1 8 8 0 2 5 5 3 8 291 1 3 5 0 0 2 6 1 1 数学 5 7 4 3 79 4 2 07 3 3 43 2 5 6 0 4 0 3 0 6 3 1 0 2 9 2 3 4 5 6 3 9 0 1 1 0 09 4 3 9 4 7 0 2 5 5 7 2 工学 1 9 7 3 1 9 75 1 97 6 ( 推定) 29 5 9 2 7 7 3 11 49 1 099 1 29 3 1 25 4 1 76 2 1 80 4 55 6 5 8 4 3 49 8 3 5 41 9 0 4 9 0 8 27 49 2 82 2 6 8 0 68 7 86 7 87 9 3 8 5 39 4 1 5 5 0 1 61 6 199 双線形モデルにお ける因子 回転 表 3- 2 Nテクニクの結果 ( かっこ内は標準誤差) A 回転前 l , A2 学位種類 Ⅰ Ⅱ 2. 9 9 . 1 8 2. 6 1 -. 0 4 2. 7 1 . 3 3 工学 数学 物理学 化学 地球科学 生物学 農学 2. 8 3 2. 3 5 3. 0 3 2. 5 2 . 5 8 . 1 3 . 1 8 . 2 3 ( バ 学位 リマ のみ対象) ックス法 Ⅲ Ⅰ Ⅱ . 4 1 2. 7 4 1 . 1 9 . 4 2 2. 3 0 1 . 2 1 . 3 1 2. 5 6 . 9 4 -. 2 3 -. 1 5 -. 1 3 -. 2 7 む空 . 8 2 2. 1 4 . 9 9 2. 7 7 1 . 2 6 2. 3 3 . 9 9 Ⅲ 水 準 化 法 Ⅰ Ⅱ Ⅲ . 4 7 1二 堅( . 0 2 )1 . 3 7( . 0 2 )1里( . 0 3 ) . 4 91 . 4 5( . 0 3 )1 . 2 4( . 0 3 )1二 軍( . 0 4 ) . 3 51 . 8 2( . 0 3 )1 . 2 2( . 0 3 )1 . 6 7( . 0 4 ) -. 2 1旦 二 廷( . 0 2 )1 . 5 5( . 0 3 )1 . 2 6( . 0 3 ) -. 1 01 . 4 6( . 0 4 )1 . 4 1( . 0 4 )1 . 2 0( . 0 5 ) ∴0 71 . 8 9( . 0 2 )1 . 7 7( . 0 2 )1 . 5 9( . 0 3 ) -. 2 31 . 6 4( . 0 3 )1 . 5 5( . 0 3 )1 . 1 8( . 0 4 ) 2. 8 7 -. 2 1 -. 3 8 2. 4 3 1 . 5 5 -. 2 91 . 4 9( . 0 3 )旦L 些( 一 0 3 )1 . 4 6( . 0 4 ) 2. 3 5 ∴4 0 . 0 6・1 . 8 9 1 . 4 4 . 1 51 . 0 2( . 0 4 )1 . 5 0( . 0 5 )1 . 5 5( . 0 6 ) 2. 5 0 . 1 1 ∴1 0 2. 2 7 1 . 0 7 -. 0 51 . 5 3( . 0 3 )1 . 4 7( . 0 4 )1 . 3 3( . 0 4 ) 心理学 社会学 経済学 2. 0 6 -. 8 9 ∴1 2 1 . 4 1 1 . 7 5 社会科学他 2 . 6 6 -. 4 9 . 1 5 2. 1 3 1 . 6 5 寄与 8 3. 5 0 1 . 8 3 . 8 16 5. 9 01 9 . 3 7 人類学 1 9 6 0 1 9 6 5 1 9 7 0 1 9 7 1 2. 2 9 2. 4 7 2. 6 8 2. 7 1 1 9 7 2 1 9 7 3 1 9 7 4 1 9 7 5 推定 1 9 7 6 2. 7 1 2. 7 2 2. 7 1 2. 7 1 2 . 7 1 注 A1-A l◎ . 0 1 ・ 4 6( . 0 5 )旦 二 里( . 0 4 )1 . 4 4( . 0 6 ) . 2 6 1. 1 2( . 0 3 )1 . 6 5( . 0 4 ) 土壁( . 0 5 ) . 8 72 8. 7 1 2 8. 7 1 2 8 . 7 1 . 6 1 -. 5 9 2. 3 0 . 5 7 -. 5 8i 二 堅( . 0 4 )1 . 4 6( . 0 4 ) . 6 7( . 0 2 ) . 6 5 . 2 5 旦 二 旦9 . 5 5 . 壁 土 遡( . 0 3 ) . 9 7( . 0 2 )i . 3 7( . 0 3 ) . 2 6 . 2 3 む塾 . 9 9 . 2 Z L些( . 0 2 )1 . 2 8( . 0 2 )1 . 6 2( . 0 2 ) . 0 8 . 1 8 2. 4 4 1 . 1 7 . 2 41 . 6 1( . 0 2 )1 . 4 1( . 0 2 )1 . 6 7( . 0 2 ) -. 0 9 . 1 7 2. 3 7 -. 2 3 . 0 9 2. 3 1 -. 3 4 -. 0 2 2. 2 4 -. 3 9 ∴1 4 2. 2 2 -. 4 2 -. 2 4 2. 2 0 1 . 3 2 . 2 51 . 4 8( . 0 2 )1 . 4 9( . 0 2 )旦 二 軍( . 0 2 ) 1 . 4 5 . 1 81 . 3 7( . 0 2 )1 . 6 1( . 0 2 )土塁( . 0 2 ) 1 . 5 5 . 0 8 1. 2 8( . 0 2 )土塁( . 0 2 )1二 墾( . 0 2 ) 1( . 0 2 ) 1 . 6 1 -. 0 41 . 2 5( . 0 2 )上里( . 0 2 )1 . 6 1 . 6 5 ∴1 31 . 2 2( . 0 2 )1 . 9 2( . 0 2 )1 . 5 5( . 0 2 ) 1 /2 ( 12/9)1/4,A2-A 2◎ 1/2 ( 9/12 )1/4; ア ンダー ライ ンは回転後 の各 因子 の中で、 3番 目まで に大 きな絶対値 の負荷 を示す。 200 商 学 討 究 第47 巻 第 2・3号 表 4- 1 評定の平均値 ● 名詞 phys i c i a ns c o l l ea gue sa l c o ho l i c s c r i mi na l s 丁 . 72 he l ps 1. 7 7 1. 42 1. 8 8 郵詞 be ri f ends pr a i s e s C r i t i c i ze s uf r s t r a t es 往 1. 22 1. 1 0 1. 3 2 -. 1 8 1. 2 2 -1. 1 4 -1. 95 . 95 -1. 03 -1. 83 -1. 0 0 -1. 2 6 -1. 9 5 -1. 82 -. 40 -. 0 4 事 Gol l ob ( 1 9 6 8,p. 1 0 6 ) 表 4-2 線形項 を含むモデルの結果 ( かっこ内は標準誤差) 棄 因の水準 Ⅰ A1, A2 Ⅱ バ リマ ックス法 Ⅰ Ⅱ 水準化法 Ⅰ Ⅱ he l ps be f r i ends . 45( . 0 5 ) . 5 3( . 0 9 ) 1. 1 8( . 1 2) . 2 6( . 41 ) 1. 1 9( . 1 3 ) -. 1 7( . 1 7 ) . 2 2( . 0 6 ) . 3 6( . 1 2 ) . 6 3( . 1 4) . 2 5( . 2 4 ) . 6 8( . 1 6 ) . 01( . 1 8 ) pr a i s es C r i t i c i z e s f r us t r at e s hat e s 呑与 3 8( . 6 4) . 03( . 2 3 )-1. 4 8( . 2 6 ) . 5 0( . 0 6 ) -. 7 6( . 0 4) . 5 4( . 6 5 )-1. -. 26( . 0 5 ) ∴0 5( . 1 3 ) -. 5 3( . 1 9 ) . 1 7( . 2 9 ) -. 44( . 1 5 ) . 3 4( . 1 5 ) 07( . 3 0 ) . 3 3( . 5 6 ) -. 89( . 1 5 ) . 6 9( . 1 4 ) -. 5 2( . 0 5 ) -. l l( . 1 2)-1. -. 39( . 0 5 ) . 0 2( . 1 3 ) -. 7 5( . 2 8) . 37( . 44) -. 57( . 1 6 ) . 61( . 1 5 ) 1. 00 1. 0 0 4. 07 2. 3 0 3. 1 8 3. 1 8 phys i c i a ns c o l l e ague s a l c oho l i c s c r i mi na l s . 2 0) -. 6 4( . 1 3 ) . 25( . l l ) -. 7 8( . 1 2 ) . 42( . 05 ) ∴3 4( . ll ) . 51( . 30( . 0 5 ) -. 3 6( . ll ) . 3 0( . 2 0) -. 5 8( . 1 6 ) . 0 8( . 1 2) -. 6 5( . 1 2 ) . 1 3( . 07 ) . 8 6( . ll ) . 61( . 3 5 ) . 7 6( . 5 9 ) . 8 3( . 0 8) . 5 1( . 1 3 ) 41( . 0 3) . 46( . 41 )-1. 1 7( . 0 5 ) . 9 2( . 1 5 ) -. 85( . 01 ) ∴1 6( . 07 )-1, 5.討 論 3つの数値例のうち 2つは一種の順序 カテゴリーの例で,単純構造 による回 転はカテゴリーの上位 と下位 を代表する因子 を構成するとい う結果になってい t manの因子 に対応 してお り,回転後のみ る。一方,回転前の因子負荷 も Gut 201 双線形モデルにおける因子 回転 の結果が意味があるとい う例ではない。 しか し,回転の意味は統計的にも重要である。回転前の因子負荷の標準誤差 が大の場合で も回転 によって標準誤差が小 さくなるケースは We xl e r現象 とよ ばれ,反対 に回転 によって標準誤差が大 きくなるケースは逆 We xl e r現象 とよ J e nnr i c h,1 9 7 3 ;小笠原 ,1 9 9 6 b)。精神 の健康 の例の一部 ( 表2 ばれてい る ( xl e r現象があ らわれてお り,人物評定の例のバ リマ ックス法の -2) には We 結果 は,やや逆 we xl e r現象があ らわれている例 といえる ( 寄与が回転前後で 異なるので標準誤差の実質的な相違は絶対値の単純比程ではない)。 当論文の方法は回転 による解釈上の利点だけでな く,統計的な面か らも結果 の評価 に関する材料 を提供 しているといえる。 付卓 因子回転後の情報行列 因子回転後の拡大 された情報行列 を次のように分割 して構成する。 I -[ 宝 :I g 2 ] ( Al , z l l は Ff g,il l , jL 2, Bl, B2に関す る情報行列である。すなわち, Z l l では ( 1 4 )式 は 第 1項のみであ り,表 1-1において関連する変更は 」弛 .- 8・ i g b2jk,( g-1 , . . . 9; k-1 , . . . , r) , ablgk b l i k , ( h -, ‥ . q ; k - 一 迫 .-8・ , ・ h a b 2 h k である。 また, 1 1 , …, ,) , ( A2) 20 2 商 学 討 究 F Lg空_ ' 1空_ ' 2 (VecBl)' 0 0 00 0 00 0 ' 9' Q ll Q al i Q ' Q 聖 0 9' 土'q Sl g ( Vec B2 ) ' 0 0 Jr⑳ 土' ♪ 0 0 0 ∂i ∂( Ve c β1 ) ' ∂( Ve c β2 ) ' ∂旦 ∂旦 ♂( Ve c β1 ) ' ∂( Ve c β2 ) ' 0 i ∂ 〃 ] 1I l ⑳ ′リ 72 1- 才' 12- 0主'p Q' 第 2・3号 第47巻 旦 である。 ここで[]の外の記号 は位置に対応す るパ ラメータを記 した ものであ る。L と且 は i-( q21, q31, q32, -, q, . , _ 1) ' ,ユ ニ (rl l , r 2 1 , r 2 2 , …, Y , , ) I ( A4) である。 ㊥ はクロネッカー積, Ve cは行列の各列 を順 につ ないで ひとつの列 ベク トルにする演算子である。 ♪ ・ p . Zw E i .n u り Na E w * 「 一 栃 ♪ . 1 ( 3b 壬 -i 一言 -( b 壬 mj - ヽ J 如 叩 り i g.・ 山 す ♪∑ 噺 」 虹 ab lmn -% a L/∂ (vecBl)'とa L/∂ ( vec B2 ) 'の要素は blmi∑ blkiblh j h = 1 ( A5) ♪ w ♪ h= 1 ' i i b f - l :- b mj f bl f blh・ ; 戸 bfhih =1 。3b 2 , I -i ;f h h b , 'bl-i (r≧i>j ≧1; m =1. …, p; n=1, . . . , r) q ∂q i i___旦 由 i ( 3b 2 2 mi一号 皇b 2 2 h i ) b 2 mj一 旦Jl 82mi∑ b2hib2hj ab 2 m n q wq E I u q ' "′ q h T Tl -( b . 3 2 -j一 寸 ・ b2-, ∑ b2hj ) i q h 1 h 1 紫 1 f b 2 i b b : h 喜 h = 1 2 声 b2hi- "3b2-I- ヱ Z i bh j'b2-i 20 3 双線形モデルにおける因子 回転 (r≧ i) j≧ 1 ; m =1, . . . , q; n =1 , . . . , r) である。 また, a 且/∂( Ve c Bl ) 'と∂ワ/∂( Ve c B2 ) 'の要素 は 一 旦 a b ● ■ 生 ib l mj+ 8n jb l mi ) , l mn - q(8n (r≧ i≧j≧ 1; m -1 , . . . , ♪; n -1 , . . . , r) I ● /♂b2 mn= -♪(♂, l ib 2 mj+∂n jb2 7 ni ) , ∂yl j ( A6) ( r≧ i≧j _ >1 ; m -1 , . . . , P; n=1 , . . . , Y ) である。 水準化法 の場合 もオー ソマ ックス法の場合 と同様 に求め るこ とがで きる。 オーソマ ックス法 と異 なる点のみを記す と次の様 になる。 ∂t k(Bk)/∂Bkの要 素は 署 ♪ h -- b ki j;l b 2 k l j ・ ( k- 1 , 2 ; i- 1 , ・ . ・ ・ pk; i- 1 , -, r; p l-P・ h- q, であ り, Q と ∂ql . } ・ /∂Bkの要素 は I )I ) q() ∑( b i h J- bghi ) b l l i b l l j十 ∑ ∑( b 2h j-b 2 2h i ) b 2 1 i b Z l j , q i j -∑ l = lh = l L = 1 h = 1 (r≧ i>j≧1) , ♪ 」 麺 L-8 ii b l m j∑1 号hj- bihi)-2b ∂ 払 m t ; h= (b ♪ ♪ h j f lmi ∑ blh i b l h=1 ♪ - 8㌫ i bl mi∑ (b 至h J- b ih i)-2b l mj∑b h i b l h j 上 h ゴ 1 h = 1l q (r≧i〉j≧ 1 ; m =1 , . . . , ♪; n =1 , . . . , 7) , q 也 ab Zm n ∑( --♂;ii b mj b2 h j-b 2 h i )-2b2mi∑b i b2 h j l hE l h = 12h h -∂ ; il b2 mi∑ ( b 2 h j- b2 hi)-2b2 mj∑ b 2 hi b2 h j i h = 1 = 1 (r≧ i 〉j>1 ; m -1 , . . . , ♪; n =1 , . . . , 7) , である。 ( A8) ( A7) 20 4 商 学 討 究 第47巻 第 2・3号 参考文献 Ande r s e n,E.B.( 1 9 9 4 ) .Th es t a t i s t i c a la 7 1 al ys i so fc a t e go r i c ald at a( 3 r de d. ) . Ne w Yo r k: Spr i nge r . Ar c he rC.0. ,& J e nnr i c h,R.Ⅰ .( 1 9 7 3 ) .St a nda r de r r o r sf o rr o t a t edf a c t o r l oa di ngs . Ps yc ho me t r i k a, 3 8 , 5 81 1 5 9 2 . Bi s ho p,Y.M.M. ,Fi e nbe r g.S.E. ,& Ho l l a nd,P.W.( 1 9 7 5 ) . Di s c r e t emul i i v ar i mbr i dge ,Ma s s a c hus e t t s :MI TPr e s s . at ea na l ys i s :The o r ya nd♪7 1 aC t i c e .Ca Choul a ki a n,Ⅴ.( 1 9 9 6 ) .Ge ne r a l i z e dbi l i ne a rmode l s . Ps yc ho me i r i k a ,61 , 2 71 2 8 3 . Gi l ul a ,Z. ,& Ha be r ma n,S.∫ .( 1 9 8 6 ) .Ca no ni c a la na l ys i so fc o nt i nge nc yt a bl e s byma xi mum l i ke l i ho od. Jo ur n alo ft heAme r i c a nSt a t i s t i c al As s o c i a t i o n,81, 7 8 0 7 8 8 . 1 9 5 4 ) .Thepr i nc i pa lc o mpo ne nt so fs c a l a bl ea t t i t ude s .I nP.F. Gut t ma n,L.( ,Ma t he mat i c alt hi nki n gi nt hes o c i als c i e nc e s( pp.21 6 2 5 7 ) . La z a r s f e l d( Ed. ) Ne wYo r k:Co l umbi aUni ve r s i t yPr e s s . Go l l o b,H.F. I ( 1 9 6 8 ) .A s t a t i s t i c l mo a de lwhi c hc o mbi ne sf ea t ur e so ff a c t o ra n- Ps yc ho me t r i k a ,3 3 , 7 3 1 1 5 . lyt a i ca nda na lys i so fva r i a nc et e c hni que s . Go odma n,L A.( 1 9 8 5 ) .Thea na l ys i so fc r o s s c l a s s i 丘e dda t aha vi ngo r de r e d a nd/ o runo r de r e dc a t e go r i e s :As s o c i a t i o nmo de l s ,c o r r e l a t i o nmode l s ,a nd a s ymme t r ymode l sf o rc o nt i nge nc yt a bl e swi t ho rwi t ho utmi s s i nge nt r i e s . Anna l so fSt a t i s t i c s ,1 3 ,1 0 6 9 . 1 9 8 6 ) .So meus e ule f xt e ns i o no ft heus ua lc o r r e s po nde nc e Go odma n,L.A.( a na l ys i sa ppr oa c ha ndt heus ua ll ogl i ne a rmode l sa ppr o a c hi nt hea na l ys i s o fc o nt i nge nc yt a bl e s( wi t hdi s c us s i o n) . I nt e r nat i o nalSt a i i s i i c alRe v i e w, 5 4 , 2 4 3 3 0 9 . L A. ( 1 9 91 ) .Me a s ur e s ,mode l s ,a ndgr a phi c a ld i s pl a ysi nt hea na l yGo odma n, s i so fc r o s s c l a s s i iedda f t a( wi t hdi s c us s i o n) . Jo ur nalo ft heAme r i c a nSt ai i s - t i c a lAs s o c i at i o n,8 6 ,1 0 8 5 1 1 3 8 . 双線形 モデルにおける因子 回転 20 5 Go o dma n,L A. ,&Haberman,S.∫.( 1 9 9 0 ) .Thea na l ys i so fno na dd i t i vi t yi n t wo wa ya na lys i so fva r i a nc e . Jo ur n alo ft heAme r i c a nSt at i s t i c alAs s o c i a- t i o n,8 5 ,1 3 9 1 4 5 . .( 1 9 8 4 ) .Th e o r ya nd( 功pI i c at i o nso fc wr e s Po nde nc ea nal ys i s . Gr e e na c r e ,M.J Lo nd o n: Ac a de mi cPr e s s . Ha be r ma n,S.J .( 1 9 7 9 ) .An al ys i so fq u al i t at i v eda t a( Vo l .2 ) .Ne w Yo r k: Ac ade mi cPr e s s . Ha ks t i a n, A. R. ( 1 9 7 6 ) . Two 一 ma t r i x o r t ho go na lr o t a t i o n pr oc e dur e s . Ps yc ho me t r i k a ,41 ,2 6 7 2 7 2 . Mo de mf a c t o ra na l y s i s( 3 r ded. ) .Chi c a go :TheUni ve r s i Ha r ma n,H.I L( 1 9 7 6 ) . t yo fChi c a goPr e s s . J e nnr i c h,R.Ⅰ .( 1 9 7 3 ) .Ont hes t a bi l i t yo fr o t a t edf a c t o rl oa d i ngs :TheWe xl e r i t i s hJo ur n alo fMa t he mat i c a la ndSt a t i s t i c alPs yc ho l o gy , phe no me no n.Br 2 6 ,1 6 7 1 7 6 . J e nnr i c h,R.Ⅰ .( 1 9 7 4 ) .Si mpl i もe df o r mul a ef o rs t a nda r de r r o r si nma xi mumi t i s hJo u ma lo fMa t he mat i c ala ndSt at i s t i c al l i ke l i ho o df a c t o ra na lys i s .Br Ps yc ho l o g y,27 ,1 2 2 1 31 . Ka i s e r ,H.F.( 1 9 5 8 ) .Theva r i ma xc r i t e r i o nf o ra na lyt icr o t a t i o ni nf a c t o r a na lys i s . Ps yc ho me t r i k a ,2 3 ,1 8 7 1 2 0 0 . 1 9 81 ) .Mul t i l i ne a rmode l sf orda t aa na lys i s .Be h av i o r me t r i k a , Kr us ka lJ.B.( No . 1 0 ,1 2 0 . Ma gnus , J .R,& Ne ude c ke r ,H. ( 1 9 8 8 ) . Ma t r i xd% jf e r e nt i alc a l c ul u su ) i i ha p Pl i wYo r k:Wi l e y. c a t i o n si ns t a t i s t i c sa nde c o no me t r i c s .Ne ,& Ne l de r , J . A. ( 1 9 8 9 ) .Ge ne r al i z e dl i ne a rmo de l s( 2 nde d. ) . Lo nMc Cul l a h, g P. do n: Cha pma n& Ha l l . Oka mo t o ,M.( 1 9 7 2 ) .Fo urt e c hni que so fpr i nc i pa lc o mpo ne nta na lys i s . Jo u r nal o fJ a Pa nSt at i s t i c a lSo c i e t y,2( 2 ) ,6 3 6 9 . 小笠原春彦 ( 1 9 8 6 ).イ ンターバ ッテ リー法 にお ける因子変換 心理学研 究 , 206 商 学 討 究 第47巻 第 2・3号 第5 7 巻 ,7 5 8 2. 小 笠 原春彦 ( 1 9 9 6 ).規準化 オー ソマ ックス法 にお ける因子負荷 の標 準誤差 , 行動計量学掲載予定 . Oga s a wa r a .H.( 1 9 9 6 a )A pr o po s lo a fPo i s s o nf a c t o ra na l ys i s .The26t hht e y - nat o n alCo n gr e s so fPs yc ho l o g yatMo nt r hl . Oga s a wa r a ,H.( 1 9 9 6 b) .A l ogbi l i ne a rmode lwhi c hi nc l ude sl a t e ntva r i a bl e s . Submi t t edf o rpubl i c a t i on. 芝 祐順 ( 1 9 7 9 ).因子分析法 ( 第 2版) ,東京大学 出版会 . Si l ve y, S. D. ( 1 9 7 5 ) . St at i s t i c a li n f e 7 1 e nC e .Ne wYo r k: Cha pma n& Ha ll . 竹内啓 ・ 柳井晴夫 ( 1 9 7 2 ) .多変量解析 の基礎 一線型空 間- の射影 による方法 ,東 洋経済新報社 . 柳 井晴夫 ・繁桝算男 ・前川寅一 ・市川雅 致 ( 1 9 9 0 ) .因子分析 -その理論 と方法 , 朝倉書店 .
© Copyright 2024 ExpyDoc