メモ: 「事前共通性の推定値」表は、[共通因子分析(対角要素=SMC)]オプションが選択された場合にのみ表示されます。
図5.7 事前共通性の推定値
図5.8 は、最初の2つの因子が、共通分散の100%を説明していることを示しています。この結果からは、このデータをモデル化するのに、3つ以上の因子は必要ないことが示唆されます。
図5.8 SMCを代入した相関行列の固有値
「値が小さい負荷量を淡色表示: 閾値=」で指定されている値より小さい負荷量は、淡色表示になります。この値は、スライダを動かしたり、テキストボックスに入力したりして変更できます。
「テキストの濃さ」も、スライダを動かしたり、テキストボックスに入力したりして変更できます。
メモ: 「値が小さい負荷量を淡色表示: 閾値=」の値と「テキストの濃さ」の値は、「回転後の因子負荷量」でも使われています。一方の負荷量の表で設定を変更すると、それが他方の表にも反映されます。
図5.9 回転前の因子負荷量
図5.10 回転行列
図5.11 目標行列
図5.12 因子構造
図5.13 最終的な共通性の推定値
図5.14 標準化スコア係数
図5.15 各因子によって説明される分散
統計的検定が実行されるのは、因子分析の方法として[最尤法]を選択した場合のみです。最尤推定を行うと、2つの統計的検定が実行されます。
1つは、「H0: 共通因子が1つもない」という仮説を帰無仮説とします。この帰無仮説は、変数間に見られる相関を有意に説明する共通因子がないことを示します。この検定は、Bartlettの球面性の検定で、「因子の相関行列が単位行列である」という仮説を帰無仮説とします(Bartlett 1954)。
もう1つは、「H0: 現在の因子で十分である」という仮説を帰無仮説とします。この帰無仮説が棄却された場合、変数間に見られる相関を説明するにはより多くの因子が必要であると結論付けられます(Bartlett 1954)。
図5.16 の検定では、モデルに含まれている共通因子が変数間に見られる相関の一部を説明しているものの、より多くの因子が必要であることが示唆されています。
メモ: 「有意性検定」表は、因子分析の方法として[最尤法]を選択した場合にのみ表示されます。
図5.16 有意性検定
「値が小さい負荷量を淡色表示: 閾値=」で指定されている値より小さい負荷量は、淡色表示になります。この値は、スライダを動かしたり、テキストボックスに入力したりして変更できます。
「テキストの濃さ」も、スライダを動かしたり、テキストボックスに入力したりして変更できます。
メモ: 「値が小さい負荷量を淡色表示: 閾値=」の値と「テキストの濃さ」の値は、「回転前の因子負荷量」でも使われています。一方の負荷量の表で設定を変更すると、それが他方の表にも反映されます。
図5.17 回転後の因子負荷量
図5.18 因子負荷量プロット
第1因子は「四塩化炭素」、「クロロフォルム」、「ベンゼン」、「ヘキサン」といった変数に、第2因子は「エーテル」、「1-オクタノール」といった変数に強く関連しています。具体的な数値は、回転後の因子負荷量の行列を参照してください。
図5.19 スコアプロット