岡本@金沢大学文学部です。 狩野@大阪大学さんの「[fpr 778] 直交解か斜交解か?」に関する補足です。 本ML(fpr)では、大筋の結論はでているのですが、私のメールについて 頂いたコメントに少し補足します。 >求まらないはずです.(岡本さんは議論を簡単にするためにこのモデルを選んだのでし 「TURBO Pascal」で用いたデータを生成するときに用いたモデルでは、観測変数は 7つです。また、因子の係数も1あるいは0というわけではなく、1あるいは0に 近い値で、観測変数ごとに少しずつ変えてあります。 データの生成に使用した 変数(因子)は直交3変数で、生成したデータの分析によって得られた因子空間は 2次元です。TURBO Pascal(1988, pp.131-135)にデータと解があります。 > モデル1 モデル2 >L P L P >2 1 1 0 2.2 0 1 0.8 >2 1 0 1 2.2 0 0.8 1 >2 1 2.2 0 >1 2 0 2.2 >1 2 0 2.2 >1 2 0 2.2 > >両モデルは,まったく同一の分散共分散行列を与えます.モデル1は直交解です.この >解に斜交回転を施すと,モデル2かそれに近い値が出てくるでしょう.たとえ真の因子 >が直交していても,斜交回転すれば,因子相関は,近似的にでも0にはならないことが >あるのです.逆に,モデル2のように真の因子が斜交であったとしても,美しい直交解 ^^^^^^^^^^^ ^ >が求まります.例外的に,完全な単純構造の場合はうまくいきくと思います.たとえば ^^^^^^^^^^^^ 「美しい」の意味が明記されていません。 座標(2,1)と原点(0,0)、座標(1,2)と原点(0,0)を結ぶ直線は明らかに直交 していないので、モデル1がデータの分析結果として得られた場合は斜交解を求める べき場合だと思います。すなわち、点(2,1)を通る因子G1と、点(1,2)を通る因子 G2を求めるのが斜交回転の考え方だと思います。 補足の補足: 「識別」の意味が明記されていないので、この点についての補足です。 私が「identifiability」という言葉を用いたときは、数理学習理論(特に、 Markovモデルを用いたもの)での言葉としてでした。モデルのパラメータが データから一意に求まる、モデルにおける複数のステートが1つにまとめられない、 というときidentifiableといっていたと思います。 さて、因子分析の場合は、回転による不確定性がありますので、上記の意味では そもそもidentifiabilityはありません。どの回転による解が真の因子なのかを決める ことは一般的なモデルだけからでは無理です。Bi-factor theoryとか、ある種の 構造が設定されてidentifiableになるということはありますが。一般的なモデル 自体には回転における価値判断の基準がありません。単純な解がよいというのは、 分析者の価値判断です。回転によって得られるどの解を適当なものとするかと いうことは、説明が可能であるなど、分析者の何らかの知見が必要です。もっとも、 回転による不確定性があっても、因子空間は固定されている、すなわち回転に よって空間が変わるわけではないので、因子空間のidentifiablilityを問うことは できますが。 岡本安晴 C00279 (at) simail.ne.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。