伊藤　大幸, 谷　伊織, 平島　太郎 　著

著者紹介

内容

目次

はじめに 監修者のまえがき 第１章　構造方程式モデリングの基礎 1.1　モデルの指定 　1.1.1　パス図 　1.1.2　構造モデル 　1.1.3　測定モデル 1.2　パラメータの推定 　1.2.1　構造方程式と共分散構造 　1.2.2　測定方程式と共分散構造 　1.2.3　パラメータの制約 　1.2.4　モデルの識別 　1.2.5　最小二乗法と最尤法 　1.2.6　最適化の過程 　1.2.7　Mplus を用いた推定の実例 　1.2.8　局所解・非収束・不適解 　1.2.9　多変量正規性とロバスト推定法 　1.2.10　欠測値と完全情報最尤法 　1.2.11　サンプルサイズ 1.3　適合度の評価 　1.3.1　カイ二乗検定 　1.3.2　対数尤度比検定 　1.3.3　CFI とTLI 　1.3.4　PCFI　 　1.3.5　RMSEA 　1.3.6　SRMR とWRMR 　1.3.7　AIC・BIC・ABIC 　1.3.8　残差行列 　1.3.9　修正指標 　1.3.10　適合度指標に関するまとめ 　1.3.11　適合度の解釈における注意事項 第２章　Mplus の基本的な利用方法 2.1　データセットの準備 2.2　シンタックスのルールと仕様 2.3　基本的なコマンドとオプション 2.4　要約データに基づく解析 第３章　回帰分析とパス解析 3.1　回帰分析・パス解析の原理 　3.1.1　予測と因果 　3.1.2　パス図による仮説モデルの表現 　3.1.3　相関係数のパス係数への分解　 　3.1.4　直接効果・間接効果・総合効果と決定係数 　3.1.5　因果関係の条件と時間的先行性 　3.1.6　交絡因子の影響 　3.1.7　単回帰係数・偏回帰係数とパス係数 　3.1.8　多重共線性 　3.1.9　媒介変数と間接効果 　3.1.10　まとめ 3.2　独自調査データについて 3.3　パス解析の分析例１：単回帰モデル 　3.3.1　シンタックス 　3.3.2　モデルと分布の確認 　3.3.3　データセットに関する警告文 　3.3.4　分析の概要と基本統計量 　3.3.5　モデル適合度に関する出力 　3.3.6　パラメータ推定値に関する出力　 3.4　パス解析の分析例２：重回帰モデル 　3.4.1　シンタックス 　3.4.2　分析の概要と記述統計量 　3.4.3　モデル適合度に関する出力 　3.4.4　パラメータ推定値に関する出力　 3.5　パス解析の分析例３：媒介モデル 　3.5.1　シンタックス　 　3.5.2　モデル適合度に関する出力 　3.5.3　パラメータ推定値に関する出力 3.6　パス解析の分析例４：モデルの修正・比較 77 　3.6.1　残差行列と修正指標 　3.6.2　シンタックス 　3.6.3　モデル適合度に関する出力 3.7　パス解析の分析例５：パラメータの比較 　3.7.1　対数尤度比検定によるパラメータ比較 　3.7.2　Wald 検定によるパラメータ比較 第４章　探索的因子分析 4.1　探索的因子分析と確認的因子分析 4.2　因子分析の１因子モデル 4.3　確認的因子分析と探索的因子分析の２因子モデル 4.4　探索的因子分析の手順 4.5　因子数の候補を検討するための分析 　4.5.1　スクリープロットに基づく判断 　4.5.2　ガットマン基準 　4.5.3　平行分析 　4.5.4　SMC　 　4.5.5　MAP　 　4.5.6　適合度指標 4.6　因子の推定法 　4.6.1　最尤法　 　4.6.2　最小二乗法（重みづけ・一般化）4 　4.6.3　主因子法　 　4.6.4　ロバスト推定法 4.7　因子の回転：斜交解と直交解 　4.7.1　バリマックス回転（直交） 　4.7.2　プロクラステス回転（直交・斜交） 　4.7.3　プロマックス回転（斜交） 　4.7.4　ジオミン回転（直交・斜交） 　4.7.5　バリマックス回転以外の直交回転 　4.7.6　プロマックス回転以外の斜交回転 4.8　因子構造と項目の取捨選択 4.9　最終的な因子構造の決定と注意点 4.10　Mplus による探索的因子分析の実践 第５章　確認的因子分析 5.1　CFA の原理 　5.1.1　EFA とCFA 　5.1.2　CFA のメリット 　5.1.3　CFA のデメリット 　5.1.4　EFA とCFA の使い分け 5.2　CFA の分析例１：GHQ12 　5.2.1　初期モデルの検証 　5.2.2　モデルの再探索　 　5.2.3　最終モデルの検証 　5.2.4　信頼性係数の推定 5.3　CFA の分析例２：ビッグファイブ尺度 　5.3.1　初期モデルの検証 　5.3.2　EFA による因子構造の確認 　5.3.3　項目の修正 　5.3.4　最終モデルの検証 第６章　 潜在変数間のパス解析（フルSEM）：理論編 6.1　潜在変数間のパス解析（フルSEM）を用いる利点 　6.1.1　ランダム誤差の分離による相関の希薄化の修正 　6.1.2　測定モデルの妥当性の担保　 　6.1.3　潜在変数の柔軟な表現によるモデルの自由度の高さ 　6.1.4　欠測値への対応　 6.2　フルSEM を用いる際の注意点 　6.2.1　測定モデルと構造モデルを２段階で検証する 　6.2.2　フルSEM における適合度とモデル評価 　6.2.3　モデルの修正　 　6.2.4　希薄化修正に関する注意点 　6.2.5　サンプルサイズ　 　6.2.6　複数の研究間での結果の比較 第７章　潜在変数間のパス解析（フルSEM）：分析編 7.1　SEM の分析例１：測定モデルの事前検証 　7.1.1　初期モデルの検証 　7.1.2　修正指標の確認　 　7.1.3　最終モデルの検証 7.2　SEM の分析例２：相関の希薄化の修正 　7.2.1　測定モデルの検証　 　7.2.2　フルSEM モデルの検証 第８章　カテゴリカルデータの分析 8.1　予備知識 　8.1.1　変数の種類 　8.1.2　確率とオッズ 8.2　二値変数の分析 　8.2.1　リンク関数　 　8.2.2　ロジスティック回帰分析 　8.2.3　プロビット回帰分析 　8.2.4　ロジスティック回帰とプロビット回帰の比較 8.3　Mplus での二値変数の分析例 　8.3.1　シンタックス 　8.3.2　出　力 　8.3.3　モデルの比較 8.4　多値変数の分析 　8.4.1　多項ロジスティック回帰分析 　8.4.2　順序プロビット回帰分析（古典的な定式化） 　8.4.3　順序プロビット回帰分析（潜在反応変数を用いた定式化） 　8.4.4　多項ロジスティック回帰と順序プロビット回帰の使い分け 8.5　Mplus での多値変数の分析例 　8.5.1　シンタックス　 　8.5.2　適合度指標の比較 　8.5.3　多項ロジスティック回帰のパラメータ推定値 　8.5.4　順序プロビット回帰のパラメータ推定値 8.6　Mplus でのカテゴリカル因子分析の分析例 　8.6.1　シンタックス 　8.6.2　出　力 　8.6.3　二値データの場合 　8.6.4　モデルの使い分け 8.7　順序変数の分析における推定法の選択 　8.7.1　ロバスト重みづけ最小二乗法　 　8.7.2　ロバスト最尤法　 第９章　適切な研究応用のためのチェックリスト 9.1　研究デザインとモデル指定 9.2　データの確認 9.3　解析とモデル修正 9.4　解釈と報告 第10 章　トラブルシューティング 10.1　同値モデル 　10.1.1　構造モデルにおける同値モデル 　10.1.2　測定モデルにおける同値モデル 10.2　外れ値の検出 10.3　識別の問題 10.4　非収束 10.5　不適解 10.6　その他のエラー