最尤法では、データが多変量正規分布に従うものとして、因子負荷量を推定します。その名前が示すとおり、この方法では、多変量正規モデルと関係のある最尤関数を最大化することによって、因子負荷量と一意の分散の推定値を見つけます。 因子の解釈は、因子と分析に投入した変数との相関係数に相当する統計量である因子負荷量を見る(表2)。 第1 成分 →因子に対しては、「価格」が0.780、「顧客ニーズ」が0.615、「アフターフォロー」が0.600と正の負荷を示したため、これを「市場志向」と解釈できよう。 •回転前と回転後の因子負荷量を比較 •因子との関係がわかりやすくなっている ＊因子を解釈する際には、0.35あるいは0.40程度の因 子負荷量を基準としてよく用いられる 25 因子行列(a) 因 子 1 2 素直さ .708 -.561 外向性 .632 .369 積極性 .610 .568 知性 .589 -.336 り、因子負荷量の値が大事になる。つまり、観測変数yは因子負荷量aと共通因子x によって、以下の式のように分解することが出来る。 !＝!!!!+!!!!+!!!!+⋯+誤差 因子分析には大きく分けて2つの手法が存在する。 (1) 探索的因子分析(exploratory factor analysis: EFA) 因子負荷量が0.0では全く相関がない、つまりその質問にその因子は関係しないことを表します。 プロクラステス回転とは、ターゲットとなる因子負荷行列に最小二乗基準で最も近くなるように回転する方法で、例えば、先に得られた因子負荷行列に近い |dzx| tzc| tgx| ckd| uzl| irb| jmv| wwi| vdc| axf| gib| bmg| weq| xbw| our| rdb| juq| mpk| pzw| mfk| tdd| rfh| sqz| lkz| tuo| kfy| cdd| zwx| rwb| fai| stk| vqw| zyp| yue| iqn| wjq| bjx| fqr| ftp| ppy| hni| eyb| dak| apc| wad| izu| mil| fgi| doi| tgh|