グラフィック表示方式を利用した多変量心理統計の教育システムの開発

点击翻译按钮获取中文摘要

応用的観点に立って因子分析法を考えるとき, 因子回転の方法がもっとも重要となる. というのは, 主成分分析や最尤推定法による解は, 応用的観点からして必ずしも満足すべきものではないからである. 言い換えれば, 仮説に対する確証という線に副った解の与えられる保証を得ることは必ずしもできない. これは, 理論的にも計算技術的にもそうであって, 残された問題は山積している. 現在用いられている方法としては, 主成分分析法や最尤推定法に代わって主因子分析法をまずデータに適用する. そして, 適当な仮説目標行列を設定して因子回転する, いわゆる, プロクラステス因子回転的な接近法がとられる. たゞし, プロクラステス因子回転をスタートさせるためには仮説目標行列を必要とするが, このためには, 探索型の因子回転法が必要とされる. この問題は古くから論じられている.今年の研究では, 仮説目標行列の設定のための探索型の因子回転法とプロクラステス因子回転法とを, 平面因子回転の概念を用いて最小二乗法的に因子回転する原理と方法の開発を行い成功した. この方法では, 4種類の変数集合が対象とされるが, 直交プロクラステス法では, 仮説目標行列で相互に独立とみなされる2種類の変数集合のみが対象とされる. これに対して, 斜交プロクラステス因子回転法では, さらに, もう1種類の変数集合が追加されることになる. この考えは, もともとJoreskog(1965)の斜交プロクラステス因子回転の原理とKashiwagi(1965)の探索型の直行因子回転法との結合によって出来上がった. たゞ, 前者の方法では, 直行の場合をうまく処理することができないが, 平面因子回転の概念を導入することにより, 直行も斜交もうまく処理できることゝなったのである. このように, いまゝで個別に論じられた因子回転法も, 平面因子布置多分割と平面因子回転法という概念を導入して統一化が可能となったのである.