もてる男はちょっと違う?
Download
Report
Transcript もてる男はちょっと違う?
もてる男はちょっと違う?
さよなら、もてない君
~もてない男の要素を探る~
研究チーム
Speedster 他3名
研究目的
俺はどうしてもてないのか!!(たくと)
もてない要因は何なんだ!!(たくと)
とにかくもてたい!!(たくと)
もてるようになりたい!!(たくと)
もてまくりたい!!(たくと)
研究前仮説
もてない男には、何かしら共通点があるので
はないか。
デブは本当にもてないのか?
ハゲも本当にもてないのか?
体育会系までダメなのか!!(たくと)
アンケート調査
サンプル数 30人
従属変数
質問項目
告白するよりされる方か?
常に彼女はいるほうか?
女友達は多い方か?
独立変数
質問項目(項目内容は次のスライドで)
独立変数(質問項目)
1・頭髪が薄い
2・体毛が濃い
3.ヒゲが濃い
4・マッチョである。
5.太りぎみである。
6.色白だ。
7.顔が濃い。
8.秋葉系な男だ。
9.体育会系な男だ。
10・おしゃべりだ。
11.クールだ。
12.親父ギャグを言う。
13.誰にでも優しい。
14.自分勝手だ。
15.エロい。
16.勉強が苦手だ。
回帰分析の前に・・・
似たような質問項目による多重共線性を排除
するために・・・
⇒因子分析を行う
出てきた因子を解釈し、それぞれに名前をつ
ける。
因子分析の結果
回転後の因子行列a
1
2
因子
3
-.034
.464
-.342
-.062
.055
-.105
.288
.032
-.030
.632
-.606
.104
.045
.048
-.212
.082
X15
.845
.078
X10
.596
.213
X11
-.582
-.196
X1
.507
.143
X14
.469
.013
X3
.348
.795
X7
-.126
.791
X5
.154
.603
X2
.462
.562
X8
-.008
-.060
X13
-.143
-.219
X4
.148
.264
X16
.242
.303
X6
.255
-.259
X9
.201
.082
X12
.069
-.021
因子抽出法: 主因子法
回転法: Kaiser の正規化を伴わないバリマックス法
a. 8 回の反復で回転が収束しました。
4
.258
.198
.120
-.159
-.043
-.110
-.045
-.169
.103
.109
.167
-.731
.484
.374
-.328
.059
5
-.139
.049
-.083
.112
-.431
-.102
-.039
.075
-.028
.190
.293
-.110
.037
.109
.209
.790
因子の命名
因子1・・・オヤジ因子(エロい・おしゃべり・ハ
ゲ・自分勝手・暑苦しい)
因子2・・・濃い因子(体毛、顔が濃いなど)
因子3・・・根暗因子(アキバ系・人付き合いが
下手)
因子4・・・もやしっ子因子(色白・勉強が苦手・
体育会系ではない・ヒョロ)
因子5・・・オヤジギャグ因子(オヤジギャグ)
回帰分析
出てきた因子を用いて回帰分析を行う。
独立変数⇒5つの因子
従属変数
告白するよりされる方か?(質問項目)
常に彼女はいるほうか?(質問項目)
女友達は多い方か?(質問項目)
のそれぞれについて回帰分析を行う。
回帰分析の結果
モデ ル集計
調整済み 推定値の
モデル
R
R2 乗
R2 乗
標準誤差
a
1
.581
.337
.199
1.010
a. 予測値: (定数)、REGR factor score 5 for analysis 1
, REGR factor score 2 for analysis 1 , REGR factor
score 3 for analysis 1 , REGR factor score 1 for
analysis 1 , REGR factor score 4 for analysis 1 。
←当てはまりが悪い・・・。
(ちなみにこれが一番当
てはまりがよかったもの)
係数a
モデル
1
(定数)
REGR factor score
1 for analysis 1
REGR factor score
2 for analysis 1
REGR factor score
3 for analysis 1
REGR factor score
4 for analysis 1
REGR factor score
5 for analysis 1
a. 従属変数: Y3
非標準化係数
B
標準誤差
2.033
.184
標準化係
数
ベータ
t
11.023
有意確率
.000
-.332
.203
-.273
-1.632
.116
.154
.201
.128
.766
.451
-.125
.216
-.096
-.579
.568
.598
.221
.453
2.707
.012
-.367
.222
-.276
-1.656
.111
結果の考察
重相関係数の値が.581、調整済みR2が.199
独立変数を見てみると・・・
⇒因子4が1%水準
⇒因子1と5が10%水準
でそれぞれ(おまけして)かろうじて有意
これは一番当てはまりのよかった質問項目(常に彼
女はいるほうか?)の分析結果である。
そこで、因子得点ではなく、各質問項目をそのまま
独立変数として改めて分析した。
回帰分析(2)
回帰分析を行い、独立変数間の相関係数が
高いものを排除。
さらに、分析上あまり有意でなさそうな独立変
数も削除
こうして残った独立変数を用いて回帰分析を
繰り返し行った結果・・・
回帰分析の結果(2)
モデ ル集計
調整済み 推定値の
モデル
R
R2 乗
R2 乗
標準誤差
a
1
.826
.682
.539
.766
a. 予測値: (定数)、X14, X9, X5, X8, X13, X1, X10, X4, X3。
←これくらいならまぁ
まぁ・・・か?
係数a
モデル
1
(定数)
X1
X3
X4
X5
X8
X9
X10
X13
X14
a. 従属変数: Y3
非標準化係数
B
標準誤差
1.986
1.119
-.530
.126
.554
.163
-.290
.149
-.231
.134
.294
.180
-.119
.136
-.187
.149
.222
.150
.271
.124
標準化係
数
ベータ
-.587
.593
-.287
-.265
.237
-.125
-.188
.223
.300
t
1.775
-4.208
3.391
-1.941
-1.732
1.634
-.874
-1.259
1.480
2.185
有意確率
.091
.000
.003
.066
.099
.118
.393
.222
.154
.041
結果の考察(2)
重相関係数の値が.826、調整済みR2が.539
独立変数を見てみると・・・
⇒質問項目1、3が1%水準
⇒質問項目14が5%水準
⇒質問項目4、5が10%水準
でそれぞれ有意という結果が出た。
これは一番当てはまりのよかった質問項目(常に彼
女はいるほうか?)の分析結果である。
結論
最も大きな影響を持っていたのは質問項目1
⇒ハゲは嫌われる!!
続いてマイナスの影響を持っていたのは質問
項目4、続いて質問項目5
⇒デブもダメ!!
⇒でも、マッチョはデブよりももっとダメ!!
ヒゲはプラスの影響
⇒むしろ、ヒゲはばっち来い!!
結論(2)
意外なことに・・・質問項目14もプラスの影響
⇒自分勝手な男ってステキ!!(・・・。)
怪しい結果が得られた原因は・・・
客観的な解答が得られなかったのでは?
質問対象にふくよかな人、電脳系の人がいな
かったような気が・・・。
しかし、なんとなしに嫌われる要因は見えた
ような気はする・・・。
最後に・・・
アンケートにご協力いただき
ありがとうございました。
終わり