因子分析のデータを入力する

統計 > 多変量解析 > 因子分析

分析のためのデータを指定し、計算する因子の数を入力して、抽出法と回転のタイプを指定します。

データを入力する

変数では、分析するデータの列を指定します。入力データは2つ以上の数値列があり、各列が異なる測定値になるようにする必要があります。欠損値が含まれる列がある場合は、その行全体が無視されます。

生データを使用する代わりに、保存済みの相関行列または共分散行列あるいは、過去の分析で計算された負荷量を入力する場合には、オプションをクリックします。

このワークシートの各列には、求職者ごとの特性の測定値が含まれます。

C1 C2 C3 C4 C5 C6 C7 C8
会社への適合性 通信 自信 学歴 履歴書 運転経験 態度 組織
5 9 8 2 2 5 4 8
10 9 5 10 8 5 5 4
4 7 6 6 5 8 7 2
2 2 3 4 4 7 8 4
8 4 3 8 9 2 4 9
7 5 9 5 7 9 8 7

抽出すべき因子の数

データから抽出する因子数を入力します。因子数は、少なくとも1である必要があり、変数の総数を超過することはできません。最も良い結果では、データ内の3変数ごとに複数の因子を持たせてはなりません。たとえば、12個の変数がある場合、抽出する因子は4個までにする必要があります。

抽出する因子数がわからない場合、フィールドを空欄にしたまま、主成分を抽出法として指定します。グラフをクリックして、固有値(Scree)プロットを表示します。Minitabは、入力した変数の数に等しい因子の最大数を計算します。この結果を使用して、抽出する因子数を決定し、分析を反復するときにその数値を入力します。詳細はステップ1:因子数を決定するを参照してください。

最尤法を抽出法として使用する場合、因子数を入力する必要があります。最尤法での因子の最大数はデータ内の変数の数よりも1だけ少ない数です。

抽出法

因子を抽出する方法を選択します。
  • 主成分:抽出する因子数がわからない場合、このオプションを選択します。適合後に因子と誤差が得られたと仮定できない場合、因子モデルは正規分布に従います。すなわち、観測値の数を多くする必要はありません。
  • 最尤法:抽出する因子数がわからない場合、このオプションを選択します。適合後に因子と誤差が得られたと仮定できる場合、因子モデルは正規分布に従い、データセットはかなり大きくなります。

抽出する因子数がわかる場合、最尤法では、データ適合が良好な因子(残差が小さい因子)が設定されることが多くなります。ただし、データによっては、最尤法から得られる因子負荷量が、最初の共通性と収束基準の選択の影響を受けやすくなります。主成分法は、最尤法が機能しないケースで機能することが多いです。

回転のタイプ

オプションを選択して、最初の因子負荷量を直交回転させます。Minitabにより軸を回転させて、異なる視点を表示し、因子を解釈しやすくできます。

元の因子負荷量表は解釈しにくいです。回転は、通常より簡単な因子構造を作成し、因子をわかりやすくします。回転には、すべての変数への負荷が大きい一般因子を削除する傾向もあります。

Minitabでは、単純構造の基準を最小化するために、負荷量を回転させます。この基準のパラメータであるガンマ(γ)は、回転方法によって決まります。低いガンマの値を持つ方法を使用する場合、回転は、負荷量の行を単純化する傾向があります。高いガンマの値を持つ方法を使用する場合、回転は、負荷量の列を単純化する傾向があります。

  • なし:負荷量は回転させません。
  • エクイマックス:変数が与える負荷が特定の因子だけ高く、他の因子では低くなるように負荷量を回転させます。この方法は、バリマックス回転とコーティマックス回転の折衷案です。
  • バリマックス:因子ごと(ガンマ = 1)の平方因子負荷量を最大化します。バリマックスは、最も広く使用されている回転法です。この回転は、因子負荷量行列の列を単純化します。因子ごとに、大きな負荷量は増加し、小さい負荷量は減少するので、各因子には大きな負荷量を持つ変数は少ししかありません。
  • コーティマックス:変数ごと(ガンマ=0)の平方因子負荷量の分散を最大化します。この回転は、因子負荷量行列の行を単純化します。変数ごとに、大きな負荷量は増加し、小さな負荷量は減少するので、各変数はごくわずかの因子にしか負荷をかけません。
  • γによるオーソマックス:入力したガンマの値に基づいて、負荷量を使用します。0~1のガンマ値を入力します。
ヒント

1種類の回転が因子を有意にするかどうかを予測することはできないので、さまざまな回転を試します。エクイマックスバリマックスコーティマックスの因子が有意にならない場合、γによるオーソマックスを使用して、バリマックス回転(ガンマ = 1)とコーティマックス回転(ガンマ = 0)の間の回転を調査します。

本サイトを使用すると、分析およびコンテンツのカスタマイズのためにクッキーが使用されることに同意したことになります。  当社のプライバシーポリシーをご確認ください