[fpr 627] bootstrap in SEM

狩野裕

狩野@筑波大学です

共分散構造分析における bootstrap 法の適用可能性について探るため,実際,
検証的因子分析モデルで解析してみました.データは,有名な
Holzinger-Swainford(1939) の一部分で,AMOS のマニュアルにあるものを拝
借しました.

データ n=73 p=6, 空間配置に関するの能力(spatial)と言語に関する能力
       (verbal)を観るためのテスト結果
モデル 検証的因子分析モデル,2因子単純構造,因子間相関あり
CPU:gateway 200 モデルg6-200; pentium 200MHz; memory 120Mb; 
        OS windows95
ソフトウェア:Amos version 3.51
bootsrap の反復回数B=200

所用時間(一つのseed あたり)
          Minimization:     0.220
         Miscellaneous:     0.110
             Bootstrap:    11.870
                 Total:    12.200


以下が出力結果です.


Maximum Likelihood Estimates
----------------------------
Regression Weights(factor loadings):     Estimate     S.E.      C.R.     Label
-------------------                      --------   -------   -------   -------

           visperc <-------- spatial       4.827     0.841     5.737           
           cubes <---------- spatial       2.943     0.553     5.321           
           lozenges <------- spatial       5.784     0.961     6.015           
           paragraph <------- verbal       3.112     0.347     8.971           
           sentence <-------- verbal       4.151     0.505     8.213           
           wordmean <-------- verbal       6.952     0.826     8.418           

Bootstrap Standard Errors(boot1: seed=123456789)
-------------------------
                                            S.E.                          S.E.  
Regression Weights(factor loadings)S.E.     S.E.      Mean      Bias      Bias  
-------------------             --------  --------  --------  --------  --------

   visperc <-------- spatial       0.919     0.046     4.792    -0.035     0.065
   cubes <---------- spatial       0.572     0.029     2.899    -0.044     0.040
   lozenges <------- spatial       1.111     0.056     5.807     0.023     0.079
   paragraph <------- verbal       0.336     0.017     3.047    -0.064     0.024
   sentence <-------- verbal       0.549     0.027     4.106    -0.045     0.039
   wordmean <-------- verbal       0.773     0.039     6.932    -0.020     0.055

Bootstrap Standard Errors(boot2: seed=123456790)
-------------------------
                                            S.E.                          S.E.  
Regression Weights(factor loadings):S.E.    S.E.      Mean      Bias      Bias  
-------------------             --------  --------  --------  --------  --------

   visperc <-------- spatial       0.867     0.043     4.754    -0.073     0.061
   cubes <---------- spatial       0.596     0.030     2.893    -0.051     0.042
   lozenges <------- spatial       1.127     0.056     5.628    -0.156     0.080
   paragraph <------- verbal       0.364     0.018     3.026    -0.085     0.026
   sentence <-------- verbal       0.568     0.028     4.065    -0.086     0.040
   wordmean <-------- verbal       0.698     0.035     6.870    -0.082     0.049


SEだけを抜き出してまとめたものが,以下の表です.

Regression Weights(factor loadings): MLE     S.E.(ML)  boot1   boot2    
-------------------        --------  
visperc <-------- spatial           4.827     0.841    0.919   0.867 
cubes <---------- spatial           2.943     0.553    0.572   0.596 
lozenges <------- spatial           5.784     0.961    1.111   1.127 
paragraph <------- verbal           3.112     0.347    0.336   0.364 
sentence <-------- verbal           4.151     0.505    0.549   0.568 
wordmean <-------- verbal           6.952     0.826    0.773   0.698 

MLによるSEとbootstrap 法によるSEとでは結果がやや異なるし,
bootsrap 法でも乱数によってやや違いが出てくることが分かります.
私の感じでは,このデータは,正規分布からそんなに乖離していない
のではないでしょうか.非正規性の大きな母集団だと,bootstrap 法
がずっと良いSEを与えます.boot1 と boot2 の違いを大きいとみ
るか小さいとみるか?

このデータは大変素性がよく,不適解は発生しませんでした.また,
n=73, p=6 と小さなモデルとデータ,反復回数B=200がかなり
小さいので,計算時間は約12秒と reasonable でした.


======================================================================
 狩野  裕 (筑波大学数学系)      Phone&Fax: 0298-53-4229(DI)
 address: 〒305 つくば市天王台1-1-1    Fax: 0298-53-6501(Department)
  e-mail: kano (at) math.tsukuba.ac.jp     
======================================================================



スレッド表示 著者別表示 日付順表示 トップページ

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。