構造方程式モデリング

アシュリー・クロスマン

構造方程式モデリングは、多くの層と多くの複雑な概念を持つ高度な統計手法です。構造方程式モデリングを使用する研究者は、基本的な統計をよく理解しています。回帰分析、および因子分析。構造方程式モデルを構築するには、厳密な論理だけでなく、その分野の理論と以前の経験的証拠に関する深い知識が必要です。この記事では、関係する複雑さを掘り下げることなく、構造方程式モデリングの非常に一般的な概要を説明します。

構造方程式モデリングは、1 つ以上の独立変数と 1 つ以上の従属変数の間の一連の関係を調べることを可能にする統計手法の集合です。独立変数と従属変数はどちらも、連続変数または離散変数のいずれかであり、因子変数または測定変数のいずれかです。構造方程式モデリングは、因果モデリング、因果分析、連立方程式モデリング、共分散構造の分析、経路分析、および確認要因分析。

探索的因子分析を重回帰分析と組み合わせると、構造方程式モデリング (SEM) が得られます。 SEM を使用すると、因子の重回帰分析を含む質問に答えることができます。最も単純なレベルでは、研究者は単一の測定変数と他の測定変数の間の関係を仮定します。 SEM の目的は生の説明を試みることです。相関関係直接観測された変数の中で。

パス図

経路図は、研究者が仮説モデルまたは一連の関係を図式化できるため、SEM の基本です。これらの図は、変数間の関係に関する研究者の考えを明確にするのに役立ち、分析に必要な方程式に直接変換できます。

パス図は、いくつかの原則で構成されています。

• 測定変数は、正方形または長方形で表されます。
• 2 つ以上の指標で構成される要因は、円または楕円で表されます。
• 変数間の関係は線で示されます。変数を結ぶ線がないことは、直接的な関係が仮定されていないことを意味します。
• すべての線には、1 つまたは 2 つの矢印があります。 1 つの矢印の付いた線は、2 つの変数間の仮定された直接的な関係を表し、矢印がその方向を指している変数は従属変数です。両端に矢印が付いた線は、効果の方向性が示唆されていない未分析の関係を示します。

構造方程式モデリングによって解決される研究課題

構造方程式モデリングで問われる主な問題は、モデルはサンプル (観測された) 共分散行列と一致する推定母集団共分散行列を生成するかということです。この後、SEM が対処できる問題が他にもいくつかあります。

• モデルの妥当性: パラメータを推定して、推定母共分散行列を作成します。モデルが良好な場合、パラメータ推定値は標本共分散行列に近い推定行列を生成します。これは主に カイ二乗 検定統計量と適合指数。
• テスト理論: 各理論またはモデルは、独自の共分散行列を生成します。では、どの理論が最も優れているのでしょうか?特定の研究分野で競合する理論を表すモデルが推定され、互いに比較され、評価されます。
• 数の 分散 因子によって説明される変数: 従属変数の分散のうち、独立変数によって説明されるのはどれくらいか?これは、R-squared-type 統計によって回答されます。
• 信頼性 指標の: 測定された各変数の信頼性は? SEM は、測定された変数の信頼性と信頼性の内部整合性尺度を導き出します。
• パラメータ推定値: SEM は、モデル内の各パスのパラメータ推定値または係数を生成します。これを使用して、結果測定の予測において、あるパスが他のパスよりも重要かどうかを区別できます。
• 仲介: 独立変数が特定の従属変数に影響を与えるか、または独立変数が仲介変数を介して従属変数に影響を与えるか?これは、間接効果の検定と呼ばれます。
• グループの違い: 2 つ以上のグループで、共分散行列、回帰係数、ま​​たは平均が異なりますか?これをテストするために、SEM で複数のグループ モデリングを行うことができます。
• 経時的な違い: 時間の経過に伴う個人内および個人間の違いも調べることができます。この時間間隔は、年、日、またはマイクロ秒の場合もあります。
• マルチレベル モデリング: ここでは、独立変数がさまざまなネストされた測定レベルで収集されます (たとえば、学校内にネストされた教室内にネストされた生徒) は、同じまたは他の測定レベルで従属変数を予測するために使用されます。

構造方程式モデリングの弱点

代替の統計手順と比較して、構造方程式モデリングにはいくつかの弱点があります。

• 比較的大きなサンプル サイズ (N が 150 以上) が必要です。
• SEM ソフトウェア プログラムを効果的に使用できるようにするには、統計に関するより正式なトレーニングが必要です。
• これには、明確に規定された測定モデルと概念モデルが必要です。 SEM は理論駆動型であるため、十分に開発されたアプリオリ モデルが必要です。

参考文献

• _{Tabachnick、B. G.、および Fidell、L. S. (2001)。多変量統計の使用、第 4 版。マサチューセッツ州ニーダム ハイツ: アリンとベーコン。}
• _{Kercher、K. (2011 年 11 月にアクセス)。 SEM (構造方程式モデリング) の紹介。 http://www.chrp.org/pdf/HSR061705.pdf}