How to Draw a Beautiful Path Diagram Goal: Make the Diagram:

担当：M.S.
異文化言語教育評価
How to Draw a Beautiful Path Diagram
Goal:
A PC tutor conducted a student satisfaction
survey. He (She?) wants to know how different
variables lead to the students’ satisfaction.
Make the Diagram:
Step 1: Open the AMOS Graphics. Widen your screen by using
Step 2: Click
ツール
Step 3: Click
.
. Draw two circles. If you want to make a beautiful circle, go to
⇒ 黄金比率の適用
⇒
, and adjust your circles.
. Click the left circle 4 times, and the right circle 3 times.
Rectangles (観測変数; observed variables) and small circles (誤差変数; error
variable) will appear. Click
to rotate your diagram. If you want to
adjust the size of the diagram to fit in the screen, you can click
Step 4: Click
.
. Click the left circle and drag it toward the right circle. If
you want to adjust your arrow, you can click
and move the arrow
around.
Step 5: Click
. Click the right circle once. A small circle (誤差変数; error
variable) will appear.
異文化言語教育評価
担当：M.S.
Import your Data:
Step 1: Click
. . Screen like this will appear:
Step 2: Click ファイル名 . Choose the
data file (Excel or SPSS) that
you want to import. Click OK .
Label the Diagram:
Step 1: Click
. Drag the names of variables into the rectangles.
Step 2: Click プラグイン ⇒ Name unobserved variables. AMOS will automatically fill
in the blanks.
Step 3: Double click the left circle. Rename the variable (“F1” ⇒”講師の質“). Close the box
with the right x button. Do the same for the right circle (“F2” ⇒ “充実感”).
Step 4: SAVE YOUR DIAGRAM. If you don’t, AMOS won’t analyze your data.
Analyze your Data:
Step 1: Click
. Go to 出力. Check the following three:
Step 2: Click
. AMOS will analyze your data.
Step 3: Click
.
Step 4: Click 標準化推定値 . Your diagram should have pass
coefficients (パス係数).
担当：M.S.
異文化言語教育評価
教科書 P213-218 10-4 構造方程式モデリングの例 2
テキスト出力（P215～）
＜＜適合度指標（fit index）の検証＞＞

適合度指標（ｆit index）とは？: 仮定したモデルの妥当性を検証（Investigate the ability of a
model to reproduce the data）
 変数の数(number of variables), モデルの複雑さ(model complexity), サンプルサイズ
(sample size), 正規性(normality)などに影響されやすいため、複数の指標を検証し、提示す
ることが重要
①絶対適合（absolute fit）
 理想のモデルとのギャップ
 大きければ大きいほど×
CMIN
カイ２乗値（chi-square value）
GFI/AGFI


RMR/SRMR


②倹約性修正（parsimony
correction）
 絶対適合の修正
 単純なモデルであるほど〇
③比較適合（comparative
fit）
 2 つのモデルを比較する

RMSEA

CFI
TLI
有意でなければ適
合している
AGFI は GFI の自由度を調整した値
「GFI≧AGFI」であり， AGFI が GFI より
も著しく低下するモデルは×
SRMR は RMR を標準化した値
SRMR は、プラグイン ⇒
Standardized RMR⇒
パラメーターが少ないほど（＝モデル
が単純であるほど）よい
信頼区間も報告する方が望ましい
GFI: .90、.95 以上
AGFI：.90 以上
.00 に近いほどよ
い。（～.０８以下）
.05 以下で良い適
合度（.05～.08 で
まずまずの適合
度）

変数間に関連性が全くないと考える
.95 以上
独立モデルとの比較

パラメーターが少ないほど（＝モデル
１に近い方が良い
が単純であるほど）よい
＜＜修正指数（modification index）＞＞


値が４以上だと、修正する意味のあるもの、モデルをよりよくする可能性あり
本当に better なモデルになるかは、実際に修正してみて検証
（仮説や論理的根拠がない限り、あまりいじったりしないことが大事）
（ex）期待 ⇒VL2 にパスを加えて再度データを分析（
修正前
修正後
CMIN
51.3
(p=.13)
43.52
(p=.32)
）し、テキスト出力（
GFI
AGFI
RMR
SRMR
TLI
CFI
.965
.943
.04
.042
.991
.993
.97
.95
.04
.04
1.00
1.00
＜＜パス係数＞＞
 推定値をクリック
 ＊＊＊⇒.001 レベルで有意
＜＜正規性＞＞
 正規性の検証をクリック
 [多変量] に注目 ⇒ 1.96 以下がよい
）。
RMSEA
.032
(90CI= .000, .057)
.02
(90CI=.000, .049)
異文化言語教育評価
担当：M.S.
教科書 P218-224 10-5 構造方程式モデリングの例 3
テキスト出力（P218～）
＜＜正規性＞＞
 正規性の検証をクリック
 [多変量] に注目 ⇒ 1.96 以下がよい
＜＜推定値と間接効果＞＞
 推定値の優位性検証⇒.005 以上で有意
 標準化間接効果
＜＜適合度指標（fit index）の検証＞＞
①絶対適合（absolute fit）
 理想のモデルとのギャップ
 大きければ大きいほど×
CMIN
カイ２乗値（chi-square value）
GFI/AGFI


RMR/SRMR


②倹約性修正（parsimony
correction）
 絶対適合の修正
 単純なモデルであるほど〇
③比較適合（comparative
fit）
 2 つのモデルを比較する

RMSEA

CFI
TLI
AGFI は GFI の自由度を調整した値
「GFI≧AGFI」であり， AGFI が GFI より
も著しく低下するモデルは×
SRMR は RMR を標準化した値
SRMR は、プラグイン ⇒
Standardized RMR⇒
パラメーターが少ないほど（＝モデル
が単純であるほど）よい
信頼区間も報告する方が望ましい
有意でなければ適
合している
GFI: .90、.95 以上
AGFI：.90 以上
.00 に近いほどよ
い。（～.０８以下）
.05 以下で良い適
合度（.05～.08 で
まずまずの適合
度）

変数間に関連性が全くないと考える
.95 以上
独立モデルとの比較

パラメーターが少ないほど（＝モデル
１に近い方が良い
が単純であるほど）よい
＜＜修正指数（modification index）＞＞


[共分散]の箇所が修正指数が提示されている
BUT! 仮説や理論的根拠がなく、改善度も大きいとは言えないため、修正しない。
(Hooper, Coughlan, and Mullen (2008)によれば、修正指数が .20 以下の場合は考慮する必要ない)
Hooper, D., Coughlan, J. and Mullen, M. R. （2008）. Structural equation modelling: Guidelines for determining model fit.” The
Electronic Journal of Business Research Methods, 6(1), pp. 53 - 60,
異文化言語教育評価
担当：M.S.
教科書 P213-218 10-4 構造方程式モデリングの例２
⑧
②
⑥
①
変数の名前入れ
⑦
③
⑨
データのインポート
④
Note:
VL4, EF3, と EX4R はパス係数が１
になるよう、図を作成。
（理由：教科書 P211 参照）
⑤
SAVE your file
異文化言語教育評価
教科書 P218-224 10-5 構造方程式モデリングの例 3
⑧
②
⑥
①
③
⑦
⑨
④
④
⑤
SAVE your file
担当：M.S.
異文化言語教育評価
担当：M.S.
感想・考察：
今回初めてパス図を作図したが、コツをつかめば思ったよりも難しくないと感じた。むしろ、その結果を解釈する方法が多様であり、
複雑であった。特に、モデルの適合度指標（fit index）については何を報告すればよいのか迷うほど、多くの指標がある。そもそも、指
標は報告する必要がないと主張する研究者もいれば(e.g., Barrett, 2007)、指標の cut-off される基準によって誤った解釈が行われる可
能性を指摘する研究者もいる (e.g., Hayduk, Cummings, Boadu, Pazderka-Robinson, & Boulianne, 2007) 。 Jackson, Gillaspy,
Pure-Stephenson(2009)は、最低限 ①CMIN と degrees of freedom, p-value, ②TLI, SFI(RNI), Bollen’s delta2 など incremental value
に属する指標を一つ、③RMSEA や SRMR などの residual-based の指標を報告するべきであると主張している。読者がそのモデルについて
少しでも正しく認識できるよう、またそのモデルが絶対的なものであるという誤解を与えないよう、最低限の情報を報告することが重要
であるようだ。
Barrett, P. (2007). Structural equation modelling: adjudging model fit. Personality and Individual Differences, 42, 815–824.
Hayduk, L., Cummings, G. G., Boadu, K., Pazderka-Robinson, H., & Boulianne, S. (2007). Testing! Testing! One, two three – Testing
the theory in structural equation models! Personality and Individual Differences, 42, 841-50.
Jackson, D. L., Gillaspy, J. A, Jr., & Pure-Stephenson, R. (2009). Reporting practices in confirmatory factor analysis: An overview
and some recommendations. Psychological Methods, 14, 6-23

Download Report