豊田＠立教社会です 冠名語句が話題になっていますが，日本では有名ではなくても海外で知ら れているものもあります．ＩＫestimator は因子分析の独自分散の推定量 の一つで，日本語訳は聴いたこと有りませんが，「猪原・狩野推定量」で しょう．それから教育測定分野でＳ−Ｐ表理論のことを，佐藤メソッドと 呼ぶひとが多いことをＡＥＲＥ総会で知りました．日本で生まれたテスト 理論は海外での方が評価が高いのは，むしろ悲しむべきことです． Kano Yutaka <kano (at) math.tsukuba.ac.jp> さんは書きました： >狩野＠筑波大学です >％ J.F.Tanaka が交通事故でなくなったのは，この分野では大きな損失ですね． >数少ない >Bentler氏の優秀な弟子でした．Bentler-Weeks model の Weeks も行方不明と >聞いています． イリノイで在外研究をしていたときに日系で（日本語は話せなかったそう です）分野も近いので，研究室を訪れようとした矢先に，郊外で自動車事 故にあわれました．ゼミ生が大学中にビラをはって捜索したのですが，間 に合いませんでした．学部葬はみぞれの日だったのに，急きょ第2会場を用 意する程の人出で彼の人徳が伝わってきました． > ＢＩＧになると敵を多く作る中で，Browne氏には表立った敵はいないで >すね．なぜなんだ >ろう．南アフリカという地理的にも遠い場所にいたからでしょうか．やは >りパーソナリティ >でしょうか．よく言われる格言で次のようなものがありますが：「外国の >ビッグに論文を誉 >められているうちは大した仕事ではない．欠点を突つかれはじめると本物 >である」 理由は２つだと観察しています．１つは人柄．お会いする機会があったのです が，くつろいだ雰囲気をお持ちでした．「趣味は何ですか」と尋ねると，しば らく考えてから「ありません」とおっしゃる．「やはり研究第1ですか」とぶし つけなことを聴くと，今度は即座に「第1は家族です」と言われてしまいました． 第2は圧倒的な実力でしょう．力の差がありすぎてBrowne氏と争うフアイトは わかないのだと思います． >「GFI>0.9」について．この手のものは理論的根拠が導けなく経験に頼ることになる >のでしょうか．しかし，この基準は，国際的にもこの線で落ち着いているようです． >「GFI<0.9」の論文はあまり見たことありません．ただ，観測変量が多すぎると話は >別ですが． 0.9という目安は，経験的には微妙なバランスの産物だと思います．学術投稿 論文には観測変数の数が50とか100の論文はほとんど載らないので，それで 済んでいるのです．むしろ観測変数が少ないとき（これは投稿論文でよくある） に基準として甘すぎるのが問題で，「GFI>0.9」だからそれで良いと済ませて しまわないようにすべきです．逆に３０近い変数を使ってすっきりしたパス 図で「GFI>0.9」を出していれば，たいしたものだと思います．この不公平感 を何とかしたいのですが，，，，， >toyoda> ＲＭＳＥＡとＧＦＩは観測変数の数が多くなるとモデルの自由度が大きくな >toyoda> って，値が悪くなりがちになり，不当に印象が悪くなるという欠点以外は >toyoda> ほとんど欠点が無いと思うのですがいかがでしょう．これが克服できれば >toyoda> 大発見なので，私も一矢報いたいのですが，，，，みんなが追いかけている >toyoda> のになかなか解決しません． > >ＧＦＩについてはその通りだと思います．豊田さんがおっしゃっているＲＭＳＥＡ >は，モデルの自由度で割ったものですか？私は，観測変量の次元ｐが大きいデー >タを直接扱ったことがないのでよく分からないのですが，自由度で割り，１自由度 >あたりの残差ということにすれば，その傾向はやや，改善されると思います． >ただ，ｐが大きいと，本質的にフィットが悪くなることが容易に推察されますが． 通常，観測変数に比例してパス図は大きくなりますから，母数の数は非常に大ま かにいって観測変数に比例して多くなります，しかし説明すべき分散共分散は 2乗に比例して大きくなります．１００位の観測変数に対して，見た目に非常に 大きなパス図を書いて，母数を１００とか２００使っても，説明すべき共分散は ５０００位もあるわけで，「本質的に」フィットが悪くなります．統計学的には それでいいのです．しかしモデル構成に要した苦労や，心理学的吟味の苦労に対 して不当に印象の悪い結果しか出ないのは心理学者（モデル構成者）としては 納得できないのです．ここまでは狩野さんと共通認識だと思います． 問題はモデルの自由度で割ったＲＭＳＥＡがこの問題を解決するかということ です．もし解決できれば，論文や報告書にもっとおおきなパス図が乗り始める から，楽しくなります．しかし残念ながら私もＲＭＳＥＡの存在を知った後に， 観測変数の多いデータでモデル構成をしたことがないので，以下は想像です． まず，たとえばＡＩＣがカイ2乗から自由度（の2倍）を引いているのに対して， ＲＭＳＥＡは大まかに言ってカイ2乗から自由度を引いて,それをさらに自由度 （と標本数）で割って，しかも平方根をとるので，改善の方向にあることは確 かです．平方根をとれば絶対値が小さくなって，相当印象が良くなります． しかし観測変数の共分散１つ当たりの適合が，観測変数の増加の伴っ て悪くなるのですから不適合の目安を共分散の数で割ったのでは，上記の不公 平感には追いつかない道理となり，「自由度＜共分散の数」だから，まだ足り ないのではないだろうか． 最近のCALIS,SEAPATH,EQSなどで，大きなモデルの計算をし， その出力が手元にあれば，ＲＭＳＥＡの具体的な数値が直ぐに 示せるのですが，，． ---------------------------------------------------------------------- Hideki TOYODA Ph.D., Associate Professor, Department of Sociology TEL +81-3-3985-2321 FAX +81-3-3985-2833, Rikkyo (St.Paul's) University toyoda (at) rikkyo.ac.jp 3-34-1 Nishi-Ikebukuro Toshima-ku Tokyo 171 Japan ----------------------------------------------------------------------
ここは心理学研究の基礎メーリングリストに投稿された過去の記事を掲載しているページです。