確認的因子分析 (CFA)
解説
確認的因子分析とは
確認的因子分析 (Confirmatory Factor Analysis; CFA) は、研究者が事前に仮定した因子構造が実際のデータに適合するかを統計的に検証する手法です。探索的因子分析(EFA)とは異なり、理論に基づいた仮説検証型のアプローチです。
主な用途:
- 心理尺度や質問紙の構成概念妥当性の検証
- 測定モデルの適合度評価
- 因子構造の理論的妥当性の確認
- 測定不変性の検討
本アプリでサポートする4つのモデルタイプ
モデルタイプ | 特徴 | 適用場面 | 注意点 |
---|---|---|---|
基本CFA | 因子間相関を自由推定 | 一般的な因子構造の検証 | 最も標準的なモデル |
直交因子モデル | 因子間相関を0に固定 | 因子の独立性を仮定 | より制約の強いモデル |
階層因子モデル | 1次因子の上位に高次因子 | 一般知能、高次性格特性 | 高次因子には3因子以上推奨 |
双因子モデル | 一般因子+特定因子 | 一般能力と特定能力の分離 | 最低6変数、各特定因子2変数以上 |
適合度指標と判定基準
指標 | 良好な適合 | 許容可能 | 意味 |
---|---|---|---|
CFI | ≥ 0.95 | ≥ 0.90 | 比較適合度指標 |
TLI | ≥ 0.95 | ≥ 0.90 | タッカー・ルイス指標 |
RMSEA | < 0.06 | < 0.08 | 近似誤差平方根 |
SRMR | < 0.08 | < 0.10 | 標準化残差平方根平均 |
因子負荷量の解釈
負荷量 | 関連の強さ | 解釈 |
---|---|---|
≥ 0.7 | 強い関連 | 理想的な水準 |
0.5 - 0.69 | 中程度の関連 | 許容可能 |
0.3 - 0.49 | 弱い関連 | 要検討 |
< 0.3 | 関連なし | 除外を検討 |
データ要件と推奨事項
サンプルサイズの目安
分析の種類 | 最低限 | 推奨 | 理想 |
---|---|---|---|
基本CFA | 200件 | 300件 | 変数数×10倍 |
複雑なモデル | 300件 | 500件 | 変数数×15倍 |
変数数の要件
- 各因子: 3つ以上の変数を推奨
- 理由: 因子の識別と安定した推定のため
- 注意: 2つの変数では因子が過度に決定されます
データの性質
- 変数タイプ: 連続変数・順序変数 (リッカート尺度も含む)
- 欠損値: 完全なデータが必要 (欠損値のある行は自動除外)
- 分布: 正規分布に近いことが望ましい
推定方法
本アプリでは最尤法 (ML: Maximum Likelihood) を使用します。
MLの特徴:
- 最も一般的で標準的な推定方法
- 連続変数・順序変数の両方に適用可能
- 計算速度が高速で実用的
- 標準誤差と適合度指標が安定
- リッカート尺度等の順序データも適切に処理
MLは理論的に確立された手法で、ほとんどのCFA研究で使用されており、信頼性の高い結果が得られます。
結果の解釈と改善
適合度が不良な場合の対処
- 修正指数の確認: MI > 3.84の項目を検討
- 理論的妥当性の検討: 統計的改善と理論的意味の両立
- モデルの再考: 必要に応じてモデル構造の見直し
修正指数の判定基準
MI値 | 有意水準 | 解釈 |
---|---|---|
> 10.83 | p < 0.001 | 非常に高度に有意 |
> 6.63 | p < 0.01 | 高度に有意 |
> 3.84 | p < 0.05 | 統計的に有意 |
注意事項
- 修正指数は参考程度に留め、理論的根拠を重視
- 過度なモデル修正は避ける (Type I エラーの増加)
- 独立したサンプルでの再現性確認を推奨
{{title}}
{{title}}
{{ item.full }}
{{title}}
{{group}}
{{title || 'カラム選択'}}
{{title || 'カラム選択'}}
{{ title }} カテゴリー変数を選択してください。複数選択すると組み合わされます
...(選択肢が多すぎます)
それぞれに設定する値を入力してください。異なる分類に同じ値を設定することもできます。順位の数値を入れれば、順序カテゴリカル変数として扱えるようになります。
分類内容 | 値 | |
{{ item.tag }} |
データの取り扱い
- データインポート
- データの読み込みは、ブラウザ内で完結し、外部へのデータ送信は発生しません。
- データ保持
- 読み込んだデータはブラウザ内に保持されます。
- ブラウザのセッションが終了または全てのタブが閉じられると、保持していたデータは自動的に破棄されます。
- データの安全性
- ブラウザがクラッシュした場合でも、10分経過すれば次回の起動時にデータは安全に消去されます。
- 共用のPCでの使用も考慮し、データの外部漏洩のリスクを最小化しています。
クラウド R を利用する時のデータ送信
- 最小限のデータ送信
- 外部のRサーバーへ送信されるデータは、数値計算に必要な最小限のセットに制限されています。
- 送信データは解析に必要なサブセットのみに限られます。
- ユーザーコントロール下のデータ送信
- 送信前に、どのデータが外部サーバーへ送信されるのか内容を確認することが可能です。
- データの送信はユーザーの操作により行われ、自動的な送信は行いません。
- クラウド R 出力結果の保持
- クラウド R からの出力結果は、将来の自動翻訳や自動解説の機能実現のため、サーバーがデータベースに保持します。
- その際に、送信者の情報や、計算元となるデータなど、プライバシーに関わる情報は保持しません。
- 通信経路も全て暗号化していますので、たとえプライバシーに関わる情報が含まれていたとしても、通常は漏洩する恐れはありません。
AI による解説を利用する時のデータ送信
- 最小限のデータ送信
- 外部のAIサーバーへ送信されるデータは、クラウド R の出力結果と、用いた統計手法の徐放です。
- ただし、クラウド R の出力結果に連続した数値データが含まれる場合は、AI にデータ形式を認識させる目的で、連続データの最初の行のみを送信します。
- クラウド R 出力結果の保持
- AI による解説内容は、将来の品質向上などのため、サーバーがデータベースに保持します。
- その際に、送信者の情報や、計算元となるデータなど、プライバシーに関わる情報は保持しません。
新しい列 (カラム) 名:
ここで設定した値に完全一致するデータを欠損値として扱います。
新しい列 (カラム) 名:
Reactive stat において、統計データの変数は、通常の数値や文字列として扱われます。 したがって、日付や時間の概念は直接的にはサポートされていません。
統計計算を行う際には、日付や時間の差分を数値として事前に用意しておく必要があります。
計算結果プレビュー:
新しい列 (カラム) 名:
チェックされた行が削除対象となります
削除対象の行
データ入力
{{ errorMessage || dataStatus + 'です'}}
設定とオプション
AI による R コードの解説
R の出力結果
R出力図形
AI による R 出力結果の解説
変換設定:
(
変換元の単位:
変換先の単位:
)
変換結果プレビュー:
新しい列 (カラム) 名:
計算式の入力:
数式:
- データ: カラム名 (列名) をそのまま記述するか、"列名" のようにダブルクォートで挟んで指定
- 算術演算子: +, -, *, /, ()
- 基本関数: abs(), sqrt(), pow(), exp(), log(), log10()
- 三角関数: sin(), cos(), tan(), asin(), acos(), atan()
- 丸め関数: round(), floor(), ceil()
体重 / pow(身長, 2)
, "体重" / ("身長" * "身長")
利用可能なカラム:
{{ column }}
変換結果プレビュー:
{{ errorMessage }}
新しい列 (カラム) 名:
区切り文字の選択:
欠損値の処理:
プレビュー:
{{ preview }}
新しい列 (カラム) 名:
確認
変換結果プレビュー:
新しい列 (カラム) 名:
{{title}}
データがありません
{{title}}
...(選択肢が多すぎます)
{{filteringText}}
データ
設定
モデルタイプ
{{ presetDescription }}
対象データ
結果
クラウド R 分析
生成されるlavaan構文
{{ generatedFullSyntax }}