SPSS ハウツー

Download Report

Transcript SPSS ハウツー

1 / 44
SPSS ハウツー
独立行政法人 大学入試センター
橋本 貴充
2007年3月30日(金)
2 / 44
本日の内容
• データの入力と読み込み
– Excelへのデータの入力
– Excelファイルの読み込み
• 被験者間2要因分散分析
–
–
–
–
分析の目的
分析例のデータ
分析方法
結果の見方
• 重回帰分析
–
–
–
–
分析の目的
分析例のデータ
分析方法
結果の見方
• 探索的因子分析
–
–
–
–
分析の目的
分析例のデータ
分析方法
結果の見方
• その他
3 / 44
本日の内容
• データの入力と読み込み
– Excelへのデータの入力
– Excelファイルの読み込み
• 被験者間2要因分散分析
–
–
–
–
分析の目的
分析例のデータ
分析方法
結果の見方
• 重回帰分析
–
–
–
–
分析の目的
分析例のデータ
分析方法
結果の見方
• 探索的因子分析
–
–
–
–
分析の目的
分析例のデータ
分析方法
結果の見方
• その他
4 / 44
Excelへのデータの入力
• 1行目(一番上の行)は変数名。
– SPSSでデータの最初の行から変数名を読み込
むため。
– Excelでソートするときもタイトル行にできる。
• 1列目(一番左の列)は被験者ID。
– 今回は分析の例が中心なので被験者IDは省略。
• 被験者1人分のデータは1行に。
– 対応関係は切らない。
5 / 44
具体例
A
1
被験者ID
B
性別
1行目は変数名。
C
D
統制条件
実験条件
2
1 F
2
7
3
2 M
1
8
4
3 M
1人分のデータは1行に。
2
8
5
4 F
1
8
テキストと違うデータで
ごめんなさい。
1列目は被験者ID。
6 / 44
Excelファイルの読み込み
7 / 44
本日の内容
• データの入力と読み込み
– Excelへのデータの入力
– Excelファイルの読み込み
• 被験者間2要因分散分析
–
–
–
–
分析の目的
分析例のデータ
分析方法
結果の見方
• 重回帰分析
–
–
–
–
分析の目的
分析例のデータ
分析方法
結果の見方
• 探索的因子分析
–
–
–
–
分析の目的
分析例のデータ
分析方法
結果の見方
• その他
8 / 44
目的
• 交互作用(一方の要因の水準ごとに、従属変
数に対する他方の要因の効果が異なること)
の有無を調べたいとき。
– 例えば、ある種の抗酸化剤を投与するか否かに
よって、マウスのDNA合成能に及ぼす放射線照
射の効果が異なるかどうかを調べたいとき。
9 / 44
データ
• 従属変数 マウスのDNA合成能。放射性同
位元素でラベルされたチミジンの取り込み量
(cpm)で測定される。
• 要因 以下の2つ。
– 放射線照射の有無
– 薬剤(ある種の抗酸化剤)投与の有無
• 教科書p.119~120参照。
10 / 44
分析方法
• 分析(A)
– 一般線型モデル(G)
• 1変量(U)
11 / 44
分析方法
12 / 44
分析方法(作図)
13 / 44
分析方法(オプション)
14 / 44
分析方法
15 / 44
結果の見方
• 被験者間効果の検定
– 2つの要因が*で結ばれているところが交互作用
の行。
– 交互作用の行、有意確率の列(p値)が0.05未満
なら、有意な交互作用あり。
– 論文には、次の指標が必要。
• 第1自由度(交互作用の行、自由度の列。)
• 第2自由度(誤差の行、自由度の列。)
• F値(交互作用の行、F値の列。)
16 / 44
結果の見方
被験者間効果の検定
従属変数: DNA合成能
ソース
タイプ III 平方和
自由度
a
修正モデル
3850.129
3
切片
1037023.548
1
照射
3016.301
1
薬剤投与
111.924
1
照射 * 薬剤投与
721.905
1
誤差
4429.805
36
総和
1045303.483
40
修正総和
8279.935
39
a. R2乗 = .465 (調整済みR2乗 = .420)
平均平方
1283.376
1037023.5
3016.301
111.924
721.905
123.050
F値
10.430
8427.650
24.513
.910
5.867
(F(1, 36)=5.867,p<.05)
有意確率
.000
.000
.000
.347
.021
17 / 44
結果の見方
18 / 44
ここで10分間休憩にします。
19 / 44
本日の内容
• データの入力と読み込み
– Excelへのデータの入力
– Excelファイルの読み込み
• 被験者間2要因分散分析
–
–
–
–
分析の目的
分析例のデータ
分析方法
結果の見方
• 重回帰分析
–
–
–
–
分析の目的
分析例のデータ
分析方法
結果の見方
• 探索的因子分析
–
–
–
–
分析の目的
分析例のデータ
分析方法
結果の見方
• その他
20 / 44
目的
• 従属変数に対して、どの独立変数が影響を
及ぼしているかを調べたいとき。
– 例えば、肺活量に対して、身長と体重のいずれ
が(あるいは両方が)影響を及ぼしているかを調
べたいとき。
• 複数の独立変数を用いて、従属変数の値を
予測したいとき。
21 / 44
データ
• 従属変数
• 独立変数
年齢
以下の7つ。
– 精神的な活発さ、知的な行動力、生活の堅実さ、
心身の不安定さ、望ましくない食生活、運動実施、
疾病頻度
• 教科書p.141~142参照。
22 / 44
分析方法
• 分析(A)
– 回帰(R)
• 線型(L)
23 / 44
分析方法
24 / 44
分析(残差分析)
25 / 44
分析(統計)
26 / 44
分析方法
27 / 44
結果の見方
• モデル集計
– 変数をステップワイズ法で取捨選択した場合は、
最下のモデルを見る。
– そのRについている記号に対応する変数が選ば
れた変数。
• 係数
– 変数をステップワイズ法で取捨選択した場合は、
最下のモデルを見る。
– Bが偏回帰係数。
28 / 44
結果の見方
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
.342
.117
.115
10.730
2
.451b
.203
.199
10.208
3
.475c
.226
.220
10.074
4
.490d
.240
.233
9.991
5
.498e
.248
.238
9.954
a. 予測値: (定数)、生活の堅実さ。
b. 予測値: (定数)、生活の堅実さ, 疾病頻度。
c. 予測値: (定数)、生活の堅実さ, 疾病頻度, 望ましくな
い食生活。
d. 予測値: (定数)、生活の堅実さ, 疾病頻度, 望ましくな
い食生活, 精神的な活発さ。
e. 予測値: (定数)、生活の堅実さ, 疾病頻度, 望ましくな
い食生活, 精神的な活発さ, 心身の不安定さ。
29 / 44
結果の見方
係数a
モデル
1
2
3
4
(定数)
生活の堅実さ
(定数)
生活の堅実さ
疾病頻度
(定数)
生活の堅実さ
疾病頻度
望ましくない食生活
(定数)
生活の堅実さ
疾病頻度
1
望ましくない食生活
精神的な活発さ
(定数)
生活の堅実さ
疾病頻度
望ましくない食生活
精神的な活発さ
心身の不安定さ
非標準化係数
B
標準誤差
38.558
2.450
1.008
.139
33.391
2.461
.998
.132
1.089
.167
38.129
2.800
.966
.131
1.108
.164
-.471
.138
41.063
2.972
1.118
.141
1.009
2 .167
-.485
.137
-.394
.142
42.329
3.030
1.097
.141
1.184
.188
-.442
.139
-.412
.142
-.230
.116
標準化係
数
ベータ
.342
.339
.293
.328
.298
-.151
.379
t
15.737
7.265
13.568
7.555
6.540
13.617
7.392
6.735
-3.401
13.817
7.944
6.045
-3.529
-2.771
13.972
7.807
6.285
-3.191
-2.904
-1.976
有意確率
.000
.000
.000
.000
.000
.000
.000
.000
.001
.000
.000
4.000
.000
.006
.000
.000
.000
.002
.004
.049
y=42.329+1.097x +1.184x -0.442x
.2723-0.412x -0.230x5
5
a. 従属変数: 年齢
-.155
-.135
.372
.319
-.142
-.141
-.101
30 / 44
本日の内容
• データの入力と読み込み
– Excelへのデータの入力
– Excelファイルの読み込み
• 被験者間2要因分散分析
–
–
–
–
分析の目的
分析例のデータ
分析方法
結果の見方
• 重回帰分析
–
–
–
–
分析の目的
分析例のデータ
分析方法
結果の見方
• 探索的因子分析
–
–
–
–
分析の目的
分析例のデータ
分析方法
結果の見方
• その他
31 / 44
目的
• 多数の観測変数を、少数の潜在変数で説明
したいとき。
– 例えば、様々な食物の摂取量の相関係数を、少
数の因子で表現したいとき。
32 / 44
データ
• 観測変数 米、パン、めん・その他、いも類、
菓子類、油脂類、味噌、豆類、果実、緑黄色
野菜、淡色野菜、海藻、嗜好飲料、魚介類、
肉類、卵、乳・乳製品、の17種類。
• 教科書p.141~142参照。
33 / 44
分析方法
• 分析(A)
– データの分解(D)
• 因子分析(F)
34 / 44
分析方法
35 / 44
分析方法(因子抽出)
望ましさは、
最尤法>最小二乗法>主因子法
結果の出やすさは、最尤法<最小二乗法<主因子法
36 / 44
分析方法(回転)
37 / 44
分析方法(オプション)
38 / 44
分析方法(記述統計)
39 / 44
分析方法
40 / 44
結果の見方
• パターン行列
• 因子相関行列
41 / 44
結果の見方
パターン行列a
因子相関行列
因子
1
2
-.315
.192
.085
.080
.179
.549
.004
.181
.214
.558
.185
.219
-.089
.236
.501
.290
.445
米
.838
パン
-.048
めん・その他
.210
いも類
.272
菓子類
.268
油脂類
.216
味噌
.435
豆類
.090
果実
.260
緑黄色野菜
.091
淡色野菜
.550
海藻
.150
嗜好飲料
.197
魚介類
.209
肉類
-.171
卵
.295
乳・乳製品
.001
因子抽出法: 最尤法
回転法: Kaiser の正規化を伴うプロマックス法
a. 3 回の反復で回転が収束しました。
因子
1
2
1
1.000
.131
2
.131
1.000
因子抽出法: 最尤法
回転法: Kaiser の正規化を伴うプロマックス法
42 / 44
本日の内容
• データの入力と読み込み
– Excelへのデータの入力
– Excelファイルの読み込み
• 被験者間2要因分散分析
–
–
–
–
分析の目的
分析例のデータ
分析方法
結果の見方
• 重回帰分析
–
–
–
–
分析の目的
分析例のデータ
分析方法
結果の見方
• 探索的因子分析
–
–
–
–
分析の目的
分析例のデータ
分析方法
結果の見方
• その他
43 / 44
SPSS 15.0Jの新機能
• Advanced Modelsで一般化線形モデルの分析が
可能に。
– 線形モデル(Linear Model)
• 従属変数も独立変数も量的変数。
• つまり回帰分析。
– 一般線形モデル(General Linear Model)
• 質的な独立変数も扱える。従属変数は量的変数。
• 分散分析も一般線形モデルのひとつ。
– 一般化線形モデル(Generalized Linear Model)
• さらに質的な従属変数も扱える。
• 対数線形モデルも一般化線形モデルで扱える。
44 / 44
一般化線形モデル
• では、実際にやってみましょう。
• …すみません、準備が間に合いませんでした
(^_^;)。
• 詳しくは後ろのSPSS社の方にきいてください。