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 ======================================================================
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。