SEM– category –

SEM（構造方程式モデリング）は、心理学や社会学といった分野で複雑な因果関係を分析する際に非常に強力なツールとなる。しかし、アンケート調査などで収集されるデータには、回答者の個人的な解釈の違いや測定尺度の不完全性から生じる「測定誤差」がつき...

研究論文やデータ分析でよく耳にする「媒介効果」と「調整効果」。どちらも変数間の関係性を深く掘り下げる際に重要な概念であるが、その意味するところは大きく異なる。本記事では、これら二つの効果の違いを明確にし、具体的な例とRでの計算例を交えなが...

構造方程式モデリング（SEM）は、社会科学、心理学、マーケティングなど、多岐にわたる分野で活用されている統計分析手法である。観測されたデータから、直接観測できない潜在的な変数間の因果関係や複雑なパスを統計的に推定・検定することが可能である。...

データ分析を行う際、欠損データは避けて通れない課題の一つである。単純な欠損処理方法では情報が失われたり、結果に偏りが生じたりする可能性がある。そこで注目されるのが、Full Information Maximum Likelihood（FIML）である。FIMLは、欠損データを統...

共分散構造分析は、構造方程式モデリング SEM とも呼ばれる、変数間の相関を元に、想定する概念モデルにデータが当てはまっているか、変数同士の関連性は強いのか弱いのか、ということを検討する手法である 具体的な事例が掲載されている論文および実践す...

共分散構造分析（構造方程式モデリング）に必要なサンプルサイズはどのように計算するか？ 共分散構造分析に必要なサンプルサイズ計算は何を指標にするか？ 共分散構造分析（構造方程式モデリング Structural Equation Modeling, SEM とも言う）に必要なサ...

構造方程式モデリング（SEM）とは？ ざっくり、わかりやすく解説 構造方程式モデリング SEMとは？ 構造方程式モデリングは、英語の略語で SEMと呼ばれ、Structural Equation Modeling の略である。 これは複数の変数を用いて、理屈で考えた、変数間の相関...