４．分析時の注意点

ダミー変数作成のSPSSシンタックスの例
SPSSのシンタックスウィンドウにて、以下を実行する
以下は、dsenという新たなダミー変数を作る例である。dsenの値は、0,1である。
もともと存在する変数Q5をもとに、Q5が１と４の場合のみ、dsenの中身を１にする。
それ以外はdsenは０となるという例。１行目で、新変数dsenを作成している。

compute           dsen=0.
if  (Q5 =1 )      dsen=1.
if  (Q5 =4 )      dsen=1.

５．操作法を把握するこつ

　また、自分が作ったモデルが動かない時は、上記3.2をよく読み、エラーが出る原因を理解することが重要。

　ソフトの欠点は以下です。最低限、これらは早急に改善してほしいところです。
・図の矢印上に、数字をのせることができるようにする。係数が自由に動かない。
・ＳＰＳＳデータを読み込んだ場合、欠損値処理を、平均値で置き換え以外にもできるようにする。
・２値変数（１−０型の変数）を扱えるようにする。現状ではリズレルやＥＱＳを買うしかない（矢印がささっていない変数として２値変数を使うのは問題ない）。現実には、データ人数が約1000人以上いれば、２値変数を使っても、あまり問題ないようである。厳密には、モデルのあてはまりが悪くなる。また、以下を参考にすれば、AMOSでもある程度は２値変数を扱えるかもしれない
・有意水準を図上で表示可能にする。

６．AMOSによるカテゴリカルデータの分析

Amosユーザーズガイド 英語版PDFファイル

あるいは以下を参考にする。

researchgate Q & A

AMOSによる2値データの分析について

IBM support Q & A

Amosユーザーズガイド 日本語版PDFファイル

Talkstats Q & A

AMOSでのカテゴリカル変数の扱いについては、AMOSのHELPで

Help->Contents in AMOS, Index tabを選択し, "Parameter identification with dichotomous variables" で検索する。

順序カテゴリカルrescaling は、AMOSにおいてベイジアン推定(Bayesian Estimation)によってのみ可能。最尤推定法のための分布の前提が当てはまらないデータの場合は、Bootstrappingを用いる。

順序カテゴリカルデータの扱いについて

Amosユーザーズガイド 日本語版PDFファイル 例33 順序カテゴリカルデータ

SEM with Amos PDFファイル

SEM with Amos2 PDFファイル

参考文献

狩野裕・三浦麻子．2002．『グラフィカル多変量解析―AMOS、EQS、CALISによる目で見る共分散構造分析』現代数学社．

村瀬洋一・高田洋・廣瀬毅士. 2007. 『SPSSによる多変量解析』オーム社．

豊田秀樹. 2007. 『共分散構造分析 Amos編―構造方程式モデリング』東京図書．

与謝野有紀他編．2006．『社会の見方、測り方　−計量社会学への招待』勁草書房．

SmallWaters Corporation. 1997. Amos Users' Guide Version 3.6. SPSS.

Byrne, Barbara. 2009. Structural Equation Modeling With AMOS: Basic Concepts, Applications, and Programming (Multivariate Applications) 2 edition. Psychology Press.

ＬＩＳＲＥＬ８　　評価記事と簡単マニュアル

ＳＰＳＳ形式データを読み込んでリズレルを使う方法

　LISRELを使うには、素データの読み込みや、共分散行列の読み込みなど、データ読み込み法が何種類かあるが、ＳＰＳＳ形式データを読み込むのが、もっとも簡単であろう。その場合、リズレルのプログラム文（SIMPLISやLISREL）を書く前に、ＳＰＳＳ形式データを読み込み、プレリス形式データ（Prelis system file）を、まず作ることになる。以下の手順で操作する。

1)プレリス形式データの作成
　画面上Fileをクリック　→ New Prelis Dataを選び　OKボタンを押す
　画面上Fileをクリック  Import External Data
　Fileの種類ボックス→　SPSS for Windows
　何もチェックせずにDoneボタン
　名前をつけて保存する      .psfとつくファイル名で保存

　これで、プレリス形式データが保存される。


2)Simplisプログラム作成準備
画面上Fileをクリック　→  New Simplis Project
　projectとは命令文やデータやパス図などを１つにしたファイルである。
　名前をつけて保存する      .spjとつくファイル名で保存

　これで、プログラム（これから書く）が保存される。

 なお、.outが出力ファイル、 .pth がパス図のファイルである。
spjファイルの中に、これらがすべて入っている





3)画面上Setupをクリック　→  Variablesを選ぶ
　　Add/Read Variablesボタン
　　Read from fileのボックスをクリックし、
　　ファイルの種類はPrelis system fileを選択
　　Browsボタンを押し、　.psfとつくファイルを読み込む

　データウィンドウが表示された状態で、画面上Dataをクリックし、Define Variablesを選択すると、欠損値指定等ができる


4)画面上Setupをクリック　→  Build SYMPLIS Syntaxを選択
　以下のような命令文が自動的に生成される
　SYMPLISというのが分かりやすい形式のプログラム文である。
　LISREL形式の文だと、Path DiagramをPD　と書くなど省略されておりやや分かりにくい。


★SYMPLIS文の例

SYSTEM FILE from file 'C:\data\test1k.DSF'
Relationships
Q5V2=Q1
Q5V2=Q4V1
Q1=Q4V1
Wide Print
Print Residuals
Path Diagram
End of Problem 


5)分析モデルを数式の形式で書く
　プログラム内の、Relationshipsの後に変数名と数式を書く。

　以下の例のように書けばよい。イコールの左側が被説明変数Y
　Q3などはＳＰＳＳファイル内の変数名を書く

　以下の例では、Q3をYとして、 Q1 Q4がXとしている。さらにQ1もYとなる、
２段階の重回帰モデル（パス解析モデル）となっている。

Q3=Q1
Q3=Q4
Q1=Q4


Path Diagram  の上に
Wide Print
Print Residuals

などの命令文を書いても良い。残差などが出力される。


6)モデルにもとづき計算実行
　人が歩いているボタン（Ｌがついている）を押すと計算が始まる。上記の図を参照。

7)計算結果が出る
　パス図が表示された状態で、画面上の方のEstimates ボタンを押し、
Standaridized Solution　等を選ぶと、標準化解などが表示される。

Expected Change を選ぶと、入れるべきパスなども表示される

計算結果のファイルを適当な名前を付けて保存する

ＳＰＳＳ　ＬＩＳＲＥＬ７．２　　評価記事と簡単マニュアル

参考文献
　白倉幸男．1991．「LISREL: リズレルモデル」．三宅一郎他編．『新版ＳＰＳＳ　
　　　Ｘ　３　　解析編２』223-310．東洋経済新報社．
　Joreskog＆Sorbom. 1989. 『 LISREL7 ：A Guide to Program and Applications.
　　　2nd edition 』 SPSS
　SPSS. 1990. 『SPSS LISREL７and PRELIS：user's guide and reference』SPSS.

謝辞
　このマニュアルを作るに当たり、東北大学文学部行動科学研究室の神林氏より、プログラムの意味について細かい点まで教えていただいた。記して深く感謝します。ただし、文章はすべて村瀬が書いたものであり、このマニュアルやプログラム例についての文責は、すべて村瀬にあります。

ＳＰＳＳリズレルのプログラムの例
　ＳＰＳＳのデータ定義文の後に、以下のようなプログラムを書いて実行すれば、
図３で示したようなモデルの分析ができるはずです。
　ミスを見つけた方は、村瀬のメールアドレスまでどんどんご連絡下さい。


/***    以下が、リズレルのプログラム                               ***/
/***    　　変数FSCOREからCITYAまでが調査データに実在する観測変数　***/
/***    変数FSCOREは父親の社会的地位　　　EDUは本人学歴（教育年数）***/
/***    変数GENは現職職業威信スコア　     INCは本人年収            ***/
/***    変数ZAISANは保有財産数　　　　　　                         ***/
/***    変数MOTIIEは居住形態  　　　　　　NENREIは本人年齢         ***/
/***    変数KIBOは従業先規模 　　　 　　　CITYAは居住地の都市度    ***/
PRELIS
 /variables= FSCORE 
  EDU GEN INC ZAISAN
  q01 q02 q03
  q04 q05 q06 q07
  q08 q09 q10
  MOTIIE NENREI KIBO CITYA
 /matrix=out(*)
 /type=polychor
.

LISREL / "political awareness in SENDAI 1997"
 /da ni=19 no=889 ma=pm
 /la /father/gakureki/isin/syunyu/zaisan
  /keniaru/zibunno/meue
  /houritu/yono/fukuzatu/omakase
  /seiziman/fusin/sogai
  /kyojuu/nenrei/juugyou/tosi
 /mo ny=15 ne=6 nx=4  fi ly=fu be=fu ga=fu  ps=di
 /fr ly(4,3) ly(5,3) ly(7,4) ly(8,4) ly(10,5)
     ly(11,5) ly(12,5) ly(14,6) ly(15,6)
 /fr be(2,1) be(2,4) be(3,1) be(3,2) be(4,1) be(5,1)
     be(5,2) be(5,3) be(5,4)
     be(6,1) be(6,2) be(6,3) be(6,4) 
 /va 1 ly(1,1) ly(2,2) ly(3,3) ly(6,4) ly(9,5) ly(13,6)
 /fi  te 1 te 2 
 /le /homenv/educ/status/econenv/author/polawr
 /ou se tv ss ad=off 
. 


★★★　リズレルのプログラムの説明　★★★
０．共分散構造分析の基本
　共分散構造分析で用いる変数は、
　1)観測変数（実際に存在する変数)
　2)潜在変数（因子)　　　　　　　　　　の大きく２種類に分かれます。

　共分散構造分析のモデルも、大きく２つに分かれます。
　1)測定方程式モデル　観測変数（実際に存在する変数)で潜在変数（因子)を作る。
　　　　　　　　　　　因子分析の部分。
　2)構造方程式モデル　潜在変数（因子)の間の因果関係のモデル。
　　　　　　　　　　　潜在変数を用いたパス解析。

　構造方程式モデルに、さらに、外生変数（これも実際に存在する変数)を加えること
もある。つまり、いくつかの潜在変数と外生変数でパス解析を行う場合もある。

　この文例では、一般的な因果モデルを外部から規定する要因として、４つの外生
変数（居住形態、年齢、従業先規模、都市度。プログラム例中の　LISREL　/laライン
の最後の４つです）をモデルに投入している。
　なお、この文例では、誤差間相関はなしとしている。

１．PRELISコマンドについて
　ＳＰＳＳのデータのうち、LISRELで用いる変数を取り出す。
 /variables以降の文で出ているのが、SPSSのデータ名である。
　例えば、調査データに５０個の変数があるが、分析に用いるのはそのうち１９個
だけ、という場合、PRELISで１９個取り出す。
　/matrix=out(*)
　/type=polychor　　と書くと多聞相関のデータ行列を出力する。

　/type=covariance　と書くと共分散のデータ行列を出力する。
　多分相関だと、５段階尺度のような、厳密には連続変数とは言えないような、
　順位尺度による相関のゆがみを補正した相関になる。社会調査データでは、
これを用いた方が良い場合もある。

 　しかし、多聞相関に最尤推定法を使うと、尤度が大きく歪んでしまうので、
WLS推定法を使うべきかもしれない。PRELISでは、変数の種類を指定しないとデ
フォルトの連続変数扱いになってしまうので、４段階尺度以下の場合なら、変
数に(OR)の指定をしたほうがよいらしい。５点尺度以上なら、むしろ、(CO)の
ままにしておいたほうがいいというのが通説らしいが、まだ勉強中で、この辺
は詳しくは不明です。詳しくはリズレルのマニュアルを参照してください。


２．LISRELコマンドについて
　PRELISコマンドで取り出したデータを用いて、実際に分析を行う。
　最初の行はタイトル。
★/daの行（データ・ライン）の指定について
ni　用いる変数の数　投入変数がprelisで指定した19個という意味
no　分析に用いるデータの人数が889人という意味。
　　　面倒だが、PRELISの実行時に表示されるものを書く。
ma=pm　PRELISで作成したpolychoric行列のデータを用いるという意味
　　pm多分相関　cm共分散　km相関

★/laの行の指定について　PRELISに書いてある19個の変数にラベルを付けている。

★mo　モデルの指定
　ny　観測変数は15個　ne潜在変数６個　nx外生変数４個
　nyとnxを足すと19個である

　fi　外生変数を入れるときに入れる命令（外生変数を入れないときは書かなくて良い）

　ly　ラムダワイの行列（因子から観測変数へ行くパス）
　be　β行列(内生潜在変数間のパス）
　ga　ガンマ行列（外生変数から内生変数へのパス）
　ps　内生変数の誤差間相関　ぷさい
　　　　　fu行列の型の指定　−非対称行列、という意味
　　　　　　たいていの場合fuと書いておけばよい
　　　　　di行列の型の指定　−対角行列

★fr ly　ラムダワイ（測定モデル）のフリーパラメータについて
　　　ly(観測変数の番号，潜在変数の番号）　
　　　ly(4,3)は、ラベル行４番目のsyunyuによって潜在変数３番を測定、の意味
　このプログラム例では、潜在変数３番は、観測変数４，５とva行の観測変数３で測定
されていることになる。

★fr be　潜在変数間の因果関係の指定
(2,1)　１から２へのパス　le行（後述）でいうとhomenvからeducのパス

★va　固定母数　１にする　ly(1,1)　（観測変数の番号，潜在変数の番号）
　このプログラム例では、潜在変数１番と２番は、固定母数の観測変数のみで測定して
いることになる。観測変数１つで潜在変数を測定しているモデルになる。
　複数の観測変数で潜在変数を作る場合、ふつう、観測変数のどれか一つを固定母数１
とする。

★fi　te 1　潜在変数１は誤差を０にする、という意味

★le　潜在変数（イータ）にラベルをつける

★ou　アウトプット　何を出力するかの指定
　se標準誤差、tvｔ値　ss標準化解　ad反復推定の回数をデフォルトより多くさせる。
　ou all　だとすべて出力される。


外生変数（モデルの中で矢印を受けてない変数）について
　ガンマについてはどの変数を用いるか指定していないので、/fr lyや/vaで指定して
いない変数がすべて外生変数になる。この文例では、１９個の投入変数のうち１５個
しか指定していないので、残り４つは外生変数として用いられる。


　この文例だと、すべての外生変数から内生変数（因子）へのパスが存在する。
　外生変数からのパスを削りたい場合以下の通り。
/fi ga(1,4)という行を挿入すると、外生変数４から内生変数１へのパスが削られる。
外生変数４とは、この文例では、１９番目の投入変数tosiのこと。
（　，）内の原則は、カンマの前半の数字が結果（受け取る変数）、後半が原因

　より詳しい説明は、参考文献にあげたリズレルの英文マニュアルを見てください。


付録　図２のモデルについてのプログラム
PRELIS
 /variables=FSCORE EDU GEN INC ZAISAN
  q01 q02 q03
  q04 q05 q06
  MOTIIE NENREI KIBO CITYA
 /matrix=out(*)
 /type=polychor
.

LISREL /"murase's sample model"
 /da ni=15 no=919 ma=pm
 /la /father/gakureki/isin/syunyu/zaisan
  /keniaru/zibunno/meue
  /houritu/yono/fukuzatu
  /kyojuu/nenrei/juugyou/tosi
 /mo ny=11 ne=5 nx=4  fi ly=fu be=fu ga=fu ps=di
 /fr ly(4,3) ly(5,3) ly(7,4) ly(8,4) ly(10,5)  
     ly(11,5) 
     be(2,1) be(2,4) be(3,1) be(3,2) be(4,1)
     be(5,1) be(5,2) be(5,3) be(5,3) be(5,4)
 /fi ga(1,1) ga(1,3) ga(1,4) ga(2,1) ga(2,3)
     ga(4,1) ga(4,3) ga(4,4)   
 /va 1 ly(1,1) ly(2,2) ly(3,3) ly(6,4) ly(9,5) 
 /fi  te 1 te 2 
 /le /father/educ/status/econenv/polawr
 /ou se tv ss ad=off
. 

おまけ　ＳＰＳＳでのパス解析

　ＳＰＳＳで通常のパス解析を行うには、以下のような重回帰分析のプログラムを
シンタックスウィンドウに書いて、実行すればよい。私の周辺には、共分散構造分
析のように、わざわざ因子得点を使って分かりにくい変数で分析するよりも、通常
のパス解析の方がよほどよい、と言う人間がたくさんいる。
　パス解析とは、通常の重回帰分析の繰り返しである。ただし、有意でないパスは
削除して、繰り返し分析を行い、最終的なモデルにたどりつくとよい。

　以下のプログラムは、複数の重回帰式を分析することになる。
　/MISSING LISTWISE　の行によって、欠損値がある人のデータはすべて削り、
各重回帰式の分析対象の人数をすべて同じにしている。LISTWISEのかわりにMEANSUB
と書くと、欠損値を平均値で置き換える。

★なお、以前のＳＰＳＳは、複数の/DEPENDENT 行を、１つのREGRESSIONシンタックス
の中に書く（つまり、複数のモデルを一度に実行する）ことができたが、現在はでき
ないようだ。複数のモデルを書くと、どのモデルも、すべて欠損値を削除して同じ人数
になるというのがメリットだが、人数が減ってしまう。


REGRESSION
   /MISSING LISTWISE
   /DESCRIPTIVES MEAN STDDEV CORR SIG N
   /STATISTICS COEFF OUTS R ANOVA
   /CRITERIA=PIN(.05) POUT(.10)
   /NOORIGIN
   /DEPENDENT q10
   /METHOD=ENTER  age edu q5 q8 q9  .

REGRESSION
   /MISSING LISTWISE
   /DESCRIPTIVES MEAN STDDEV CORR SIG N
   /STATISTICS COEFF OUTS R ANOVA
   /CRITERIA=PIN(.05) POUT(.10)
   /NOORIGIN
   /DEPENDENT q8
   /METHOD=ENTER  age edu q5.

REGRESSION
   /MISSING LISTWISE
   /DESCRIPTIVES MEAN STDDEV CORR SIG N
   /STATISTICS COEFF OUTS R ANOVA
   /CRITERIA=PIN(.05) POUT(.10)
   /NOORIGIN
   /DEPENDENT q9
   /METHOD=ENTER  age edu q5  .

村瀬の目次に戻る

あなたは2009年11月17日以来 　回目のアクセスです。

All Rights Reserved, Copyright(c), MURASE,Yoichi
ご意見やご質問はお気軽にどうぞ　　E-mail : murase (at) rikkyo.ac.jp