第1章 共分散構造分析前夜
- 1.1 多変量データ
1.1.1 多変量データ
1.1.2 多変量データの行列による表現
- 1.2 尺度水準
1.2.1 名義尺度（質的）
ダミー変数・カテゴリカル変数
1.2.2 順序尺度（質的）
1.2.3 間隔尺度（量的）
1.2.4 比率尺度（量的）
1.2.5 尺度水準の高さ
- 1.3 図による要約
1.3.1 ヒストグラム
1.3.2 散布図
- 1.4 データの代表値
1.4.1 最頻値
1.4.2 平均値
1.4.3 中央値
- 1.5 分散・標準偏差・共分散
1.5.1 分散
1.5.2 標準偏差
1.5.3 共分散
- 1.6 データの標準化・相関係数
1.6.1 標準化
1.6.2 相関係数
- 1.7 探索的因子分析1
1.7.1 探索的因子分析モデルにおける仮定
1.7.2 単純構造
1.7.3 推定
- 1.8 探索的因子分析2
1.8.1 解の回転
1.8.2 解の回転は斜交解で
1.8.3 因子スコア
- 1.9 探索的因子分析3
1.9.1 因子数の推定
1.9.2 スクリープロット
1.9.3 目安の因子数±1による分析
1.9.4 適合度指標
RMSEA
ベイジアン情報量規準
- 1.10 練習問題・付録
1.10.1 語句説明問題
1.10.2 実践問題
1.10.3 解答
語句説明解答
実践問題解答
1.10.4 付録
第2章 速習共分散構造分析
- 2.1 共分散構造分析とは
- 2.2 共分散構造分析の手順
2.2.1 研究仮説の構築
2.2.2 仮説を反映したモデルの表現
2.2.3 母数の推定
2.2.4 モデルの評価・結果の解釈
- 2.3 モデルの表現1
2.3.1 変数の分類
2.3.2 測定方程式と構造方程式
- 2.4 モデルの表現2
2.4.1 測定方程式(=~)
2.4.2 構造方程式(~)
2.4.3 共変関係(~~)
2.4.4 スクリプトをまとめる
- 2.5 母数の推定
2.5.1 データの読み込み
2.5.2 分析の実行
- 2.6 モデルの評価
2.6.1 適合度指標
2.6.2 標準誤差・母数の検定・信頼区間
- 2.7 分析結果の解釈
- 2.8 有益な付加的分析
2.8.1 構成概念スコア
2.8.2 パス図の出力
- 2.9 レポート作成例
2.9.1 チェックリスト
- 2.10 練習問題
2.10.1 問題
2.10.2 解答
第3章 さまざまなパス図の描画
- 3.1 パス解析
3.1.1 逐次モデル
3.1.2 非逐次モデル
- 3.2 関数semPaths() の引数
- 3.3 多変量回帰分析
- 3.4 MMICモデル，PLSモデル
- 3.5 2次因子分析モデル，階層因子分析モデル
- 3.6 1因子分析モデルによる信頼性係数の推定
- 3.7 多特性多方法行列のための加法モデル
- 3.8 構成概念間の因果モデル
- 3.9 練習問題
3.9.1 問題
語句説明問題
実践問題
3.9.2 解答
第4章 上級者を目指して
- 4.1 データ診断（歪度・尖度）
- 4.2 関数lavaan() による表現
- 4.3 関数sem() の引数
- 4.4 モデルの詳細な情報（その1）
4.4.1 「セミナーデータ」のモデルの共分散行列
4.4.2 残差行列
4.4.3 母数推定値の共分散行列
- 4.5 モデルの詳細な情報（その2）
- 4.6 モデルの詳細な情報（その３）
4.6.1 初期値の参照
4.6.2 モデルの相関行列
4.6.3 決定係数の出力
- 4.7 母数に関する制約
4.7.1 固定母数
4.7.2 母数のラベル
4.7.3 等値制約
4.7.4 不等式制約
- 4.8 間接効果と総合効果
- 4.9 修正指標とワルド検定
4.9.1 修正指標
4.9.2 ワルド検定
- 4.10 練習問題
4.10.1 問題
語句説明問題
実践問題
4.10.2 解答
語句説明問題
実践問題
第5章 平均共分散構造分析
- 5.1 平均共分散構造分析とは
5.1.1 重回帰分析
5.1.2 lavaan を利用した重回帰分析
- 5.2 平均構造のあるパス解析
5.2.1 観測変数のみの場合
5.2.2 構成概念間のパス解析
- 5.3 縦断データの因子分析1
5.3.1 使用データ
5.3.2 モデル
- 5.4 縦断データの因子分析2
5.4.1 モデル1：配置不変モデル
5.4.2 モデル2：弱測定不変モデル
5.4.3 モデル3：強測定不変モデル
5.4.4 モデル4：厳密な測定不変モデル
5.4.5 モデル5：全母数が等しいモデル
5.4.6 モデル比較
- 5.5 縦断データの因子分析3
5.5.1 モデル比較のための関数
5.5.2 分析の実行
第6章 多母集団同時分析
- 6.1 多母集団同時分析とは
6.1.1 母集団別分析との違い
6.1.2 使用データ
- 6.2 等値制約
6.2.1 モデル1：配置不変モデル
6.2.2 モデル2：弱測定不変モデル
6.2.3 モデル3：強測定不変モデル
6.2.4 モデル4：厳密な測定不変モデル
6.2.5 モデル5：全母数が等しいモデル
6.2.6 分析の手順
- 6.3 1因子モデルの分析例
6.3.1 モデル比較
6.3.2 母数の推定
- 6.4 2因子モデルの分析例
6.4.1 モデル比較
6.4.2 母数推定と結果の解釈
- 6.5 共分散行列からの分析
6.5.1 使用データ
6.5.2 分析
第7章 カテゴリカル変数の分析
- 7.1 カテゴリカル変数の分析
7.1.1 外生変数である場合
7.1.2 内生変数である場合
- 7.2 順序カテゴリカル変数の分析
7.2.1 カテゴリー化の影響
7.2.2 推定の前提と実際のデータ
7.2.3 実際の分析手順
- 7.3 分析の背景
7.3.1 観測されない連続量と閾値の設定
7.3.2 カテゴリー数の影響
- 7.4 通常の因子分析の適用
7.4.1 4値と5値の順序カテゴリー
7.4.2 非対称な閾値
- 7.5 歪みのあるデータの分析
7.5.1 分布の歪みとその評価
7.5.2 非正規データへの因子分析
第8章 テスト理論
- 8.1 古典的テスト理論
8.1.1 真の得点と測定の誤差
8.1.2 平行テストとタウ等価テスト
8.1.3 同族テスト
- 8.2 古典的テスト理論と因子分析
8.2.1 因子分析モデルとの対応
8.2.2 信頼性係数
8.2.3 得点の合計の信頼性
- 8.3 信頼性係数の推定
8.3.1 関数reliability() の利用
8.3.2 関数reliabilityL2() の利用
- 8.4 モデル制約による信頼性の推定
8.4.1 信頼性の評価とα係数の前提
8.4.2 制約によるテストモデルの表現
- 8.5 項目反応モデルと因子分析
8.5.1 IRTとカテゴリカル因子分析
8.5.2 閾値の表現
第9章 検定力分析
- 9.1 検定力分析とは
9.1.1 調査計画と標本数
9.1.2 効果量と検定力分析
- 9.2 χ2検定と検定力
9.2.1 共分散構造分析のχ2検定
9.2.2 検定力の定義
- 9.3 RMSEAとχ2分布の関係
9.3.1 RMSEAと効果量
9.3.2 関数plotRMSEAdist() の引数
9.3.3 関数によるχ2分布の描画
- 9.4 検定力の求め方
9.4.1 関数findRMSEApower() の引数
9.4.2 関数による検定力の算出
9.4.3 さまざまな仮説
9.4.4 関数による検定力の算出
- 9.5 標本数の決定法
9.5.1 関数findRMSEAsamplesize()
9.5.2 関数による標本数の決定
- 9.6 検定力関数
9.6.1 関数plotRMSEApower()
9.6.2 関数による検定力関数の描画
- 9.7 ネストモデルの検定力分析
9.7.1 ネストモデルの尤度比検定
9.7.2 対立仮説の非心度
9.7.3 関数findRMSEApowernested()
9.7.4 関数による検定力の算出
9.7.5 関数findRMSEAsamplesizenested()
9.7.6 関数plotRMSEApowernested()
- 9.8 検定力分析の留意点
9.8.1 「事後の分析」・「明日への分析」
第10章 大規模調査のSEM
- 10.1 さまざまな標本抽出法
10.1.1 集落抽出法
10.1.2 多段抽出法
10.1.3 層化抽出法
- 10.2 標本抽出法とデータの独立性
10.2.1 データの独立性が損なわれる場合
10.2.2 重みづけ
- 10.3 関数lavaan.survey()
10.3.1 関数svydesign()
10.3.2 svydesign() の使い方
10.3.3 関数lavaan.survey()
- 10.4 多段抽出データの分析例
10.4.1 抽出法
10.4.2 Rでのデータの準備
10.4.3 関数svydesign() の指定
10.4.4 モデルの指定と実行
第11章 ブートストラップ法
- 11.1 ブートストラップ法とは
11.1.1 リサンプリング
11.1.2 バイアスの修正
11.1.3 信頼区間の算出
11.1.4 適合度に関する問題と修正
- 11.2 ブートストラップ法に用いられる関数
- 11.3 ブートストラップ法の具体例
第12章 SEMの下位モデルとしての成長曲線モデル
- 12.1 成長曲線モデルとは
12.1.1 成長曲線モデルで扱うデータ
12.1.2 成長曲線モデルの概要
12.1.3 予測変数のある成長曲線
12.1.4 2次の成長曲線モデル
- 12.2 成長曲線モデルに用いる関数
- 12.3 成長曲線モデルの具体例
12.3.1 直線的な成長曲線モデルの具体例
12.3.2 予測変数のある成長曲線モデルの具体例
12.3.3 2次の成長曲線モデルの具体例
第13章 交互作用モデル
- 13.1 交互作用とは
13.1.1 連続的な観測変数間の交互作用
13.1.2 連続的な潜在変数間の交互作用
- 13.2 交互作用モデルに用いる関数
- 13.3 交互作用モデルの具体例
第14章 適合度指標
- 14.1 共分散構造分析の適合度
14.1.1 適合度指標を出力する方法
14.1.2 適合度指標との付き合い方
- 14.2 推定の尤度に基づくχ2検定
- 14.3 モデルの推定精度に基づく指標
- 14.4 非心度に基づく指標
- 14.5 独立モデルとの比較による指標
- 14.6 倹約度および情報量規準
- 14.7 モデルの比較
第15章 欠測値の取り扱い
- 15.1 データの欠測とその対処
15.1.1 欠測メカニズム
15.1.2 欠測メカニズムごとの対処方針
- 15.2 リストワイズ削除
- 15.3 完全情報最尤推定法
- 15.4 多重代入法
- 15.5 補助変数の利用
15.5.1 FIMLにおける補助変数の利用
15.5.2 多重代入における補助変数の利用
第16章 推定法
- 16.1 推定とは
- 16.2 主要な推定法のオプション
16.2.1 最尤推定法 (estimator="ML" )
16.2.2 重みなし最小2乗法(estimator = "ULS")
16.2.3 重み付き最小2乗法(estimator = "WLS")
16.2.4 一般化最小2乗法(estimator = "GLS")
16.2.5 対角重み付き最小2乗法 (estimator = "DWLS")
- 16.3 頑健性を考慮した補正
第17章 3次積率を利用した単回帰分析
- 17.1 SEMの下位モデルとしての単回帰モデル
17.1.1 単回帰モデル
17.1.2 平均構造と共分散構造
17.1.3 母数推定の概要と自由度
17.1.4 積率とは
- 17.2 単回帰における3次積率の利用
17.2.1 3次積率の意味
17.2.2 3次積率単回帰モデル
17.2.3 3次積率構造
17.2.4 3次積率の利用と自由度
- 17.3 3次積率単回帰モデルの推定
17.3.1 ADF3推定
最小化基準
漸近共分散
17.3.2 ゴルトンの親子の身長データの分析
- 17.4 分析の実際1
17.4.1 誤差の3次積率の扱い
17.4.2 4つのモデル比較
17.4.3 さまざまな出力結果1
非標準化推定値
標準化係数
- 17.5 分析の実際2
17.5.1 さまざまな出力結果2
基本情報
通常回帰
重み行列
17.5.2 気温と消費電力データの分析
第18章 3次積率を利用したさまざまな2変数モデルの分析
- 18.1 1因子共通変動モデル
18.1.1 変数の中心化
18.1.2 モデル表現
18.1.3 積率構造
2次積率構造
3次積率構造
18.1.4 モデルのバリエーションと母数
18.1.5 分析例
- 18.2 2因子共通変動モデル
18.2.1 モデル表現
18.2.2 積率構造
2次積率構造
3次積率構造
18.2.3 モデルのバリエーションと母数
18.2.4 分析例
- 18.3 双方向モデル
18.3.1 モデル表現
18.3.2 積率構造
2次積率構造
3次積率構造
18.3.3 モデルのバリエーションと母数
18.3.4 分析例
- 18.4 因子＋単回帰モデル
18.4.1 モデル表現
18.4.2 積率構造
2次積率構造
3次積率構造
18.4.3 モデルのバリエーションと母数
18.4.4 分析例
- 18.5 分析の実際
18.5.1 関数ADF3var2()
18.5.2 まとめ
第19章 OpenMx を用いた共分散構造によるモデルの特定
- 19.1 モデル特定の3つの方法
パス図による表現
方程式による表現
共分散構造による表現
OpenMx の導入
- 19.2 直積モデル
19.2.1 直積モデル
19.2.2 スクリプトとOpenMx の文法
19.2.3 分析結果
- 19.3 PARAFACモデル
19.3.1 PARAFACモデルとは
19.3.2 スクリプトとOpenMx の文法
19.3.3 分析結果
- 19.4 イプサティブ因子分析
19.4.1 イプサティブ変数の共分散行列
19.4.2 イプサティブ変数の共分散構造
19.4.3 分析例（2因子モデル）
19.4.4 スクリプト
- 19.5 多変量遺伝ACEモデル
19.5.1 モデル構成と共分散構造
19.5.2 「4種類の疾患データ」への適用例
19.5.3 スクリプト
- 19.6 グラフィカルモデリング
19.6.1 偏相関係数
19.6.2 グラフィカルモデリング
19.6.3 スクリプト
19.6.4 分析結果
第20章 応用研究紹介
付録A Onyxを用いたモデルの作り方
- A.1 Onyxについて
A.1.1 本章でのOnyxの用い方
A.1.2 入手方法
- A.2 起動から終了まで
索引
