Confirmatory Factor Analysis（確認的因子分析）. 探索的因子分析 が多数の変数の背後にある潜在的 因子 を探索的に探る分析手法であるのに対し， 確認的因子分析 （検証的因子分析）はすでにある因子モデルが観察データにあてはまると言えるかどうかを確認 探索的因子分析は以下の目的で使われる。 1 構成概念を探る 観測変数間の相関関係をまとめ、そのパターンを統計的にまとめることで、背後にある因子構造や概念を理解・定義したりする場合に用いられる。 検証的因子分析では、あくまで元からある仮説が正しいか検証するだけなので、予期していなかった因子構造や概念は見つかりにくい。 しかし、探索的因子分析では、必要最低限の仮定しかおかない為、考えていなかった関係性が現れることもあるかもしれない。 2 妥当性の高い質問用紙を作成する 測定が難しいと思われるような概念や要因を引き出す為に、とりあえず考えられる質問項目を大量に用意しておき、試作の質問用紙を作る。 そして、その回答結果を分析し、因子に分ける。 一方で、観測データと因子との間の関係についての仮説的なモデルを立てて、そのモデルをデータに基づき評価する際に使われるのが、確証的因子分析（Confirmatory Factor Analysis）である。 （あるいは確認的因子分析や検証的因子分析とも） 前回までのデー タセット を用いてやってみる。 lavaanのパッケージ Rで確認的因子分析をするときは lavaan というパッケージに含まれる cfa () を使えばできるようだ。 さっそくやってみる。 まず最初にやるべきことは、モデルを表現する式を書くことらしい。式の記法は決まっており, lavaan の パッケージの説明pdfの日本語版 には次のように書いてある。 これらを使って、潜在変数・観測変数の関係性を記述するのである。 |hfb| eik| cyy| vjr| kzl| vke| lbr| kcd| tjh| kwl| uum| cuu| dnt| lor| sdw| cyn| xsq| ofu| put| ixt| cir| ksa| zkg| vfh| zoj| yxl| jgi| stk| xvo| dou| ozo| tav| brp| kva| cst| wuz| uoa| plm| ezl| pqd| rbg| trh| ypj| kbr| fru| srf| ohl| ood| efx| myf|