♡恋愛で学ぶ統計学♡(No.8 構造方程式モデリング①誘い)

恋愛を通して、難しい統計学を学んでいきましょう！

これまで、♡恋愛で学ぶ統計学♡のシリーズで「相関関係」や「回帰分析」という統計について話してきました。

この記事では、それらの上位互換？ともいえる構造方程式モデリングを学んでいこうと思います！

「相関関係」と「回帰分析」は便利だけれども、いくつか気を付けなければいけないポイントがありますね。

相関係数

相関係数は、単に２つの関連が強いか弱いかを表すもので、「因果」関係を示すものではない！というものです。

例えば、「アニメのフィギュアの数」と「これまでに付き合ったことのある人数」に「負の相関」があったとします。つまり、アニメのフィギュアをたくさん持っている人ほど、これまでに付き合ったことのある人数が少ないという結果になりました。

これは、ただのデータから算出された関連に関する結果にすぎません。

「アニメのフィギュアの数」が「これまでに付き合ったことのある人数」に影響を与える原因（因果）かどうかはわからないのです！

もしも、因果関係があると判断してしまうと、逆に、いま持っているアニメのフィギュアを全部捨ててしまえば、たくさんの人と付き合えることになります。

なんか変ですよね、、、、(;^ω^)

でも、この２つの関連には、背後に何かしらの因果が隠れているはずなのです！例えば、アニメのフィギュアをたくさん持っている人は、そのためにお金を使いすぎてしまい、異性と交流するお金がなくなっているのではないか？とかが考えられます。

では、そうした因果を見つけるには、どうすればいいのか！

それが回帰分析でした！

回帰分析

回帰分析では、先ほど挙げたような「付き合っている人数」に影響を与えるものは、なにかを探ることができます。

影響を与えるだろうと思うものの仮説を立て、調査をしていきます。

例えば、「財力」や「学力」や「コミュニケーション能力」などが影響するかもしれませんね！実際に、これらを例に挙げながら、以前に回帰分析をした記事を書いたので、興味のある方は、ぜひ下のリンクへ！

しかし、この回帰分析、、、、かなり注意する点が多いのです、、、

たとえば、、、、、

①原因となる要因どうしは、強い相関があってはいけない

→多重共線性を考慮する必要がある。

②作られたモデルがよいものかを吟味しなくてはいけない

→決定係数を考慮する必要がある。

③原因となる要因が有意な差で、影響を与えているかを考えないといけない

→5パーセントもしくは1パーセント有意水準で有意差があるかを見る。

→に続く文は統計学チックな文です。もし、もうすこし知りたいという方は、以下のリンクもチェックしてくださるとうれしいです。

しかも「回帰分析」では、集めたデータのみから、因果関係を考えようとしていました。ですので、「コミュ力」といった、フワッとした概念を、無理やり「人と話をするのが好きか」という質問で測っていました。

では、そんな「相関」や「回帰分析」よりも

図でわかりやすく表してくれる、素晴らしい方法があります！

その名も、、、、、

構造方程式モデリング！！！！

構造方程式モデリング

この構造方程式モデリングは、別名「共分散構造分析」とも言われます。

最近は、構造方程式モデリングと言われることの方が多いです。

この構造方程式モデリングのすごいところ、ベスト１．２．３！

１．「因子分析」や「相関関係」を同時に行え、図で理解ができるところ！

２．「測定できないような概念」も考えることができるところ！

３．モデルがよいものかを数値で検証できるところ！

例えば、

こんなモデルができます！

このモデルでは「相関係数」は両側矢印で、「その因子が与える影響」が片側矢印であらわされています。すごいところベストの１の「因子分析」や「相関関係」を同時に行っていて、図であらわせていますね。

そして、「コミュ力」と「モテ度」という「ふわっとした、私たちがもっている共通概念」を作り上げています。具体的には、「コミュ力」を「話をきくことが好きか？」、「話をすることが好きか？」、「SNSのフォロワーは何人いるか」という３つの項目から作りあげています。また、「モテ度」を「これまでに付き合った人数」と「バレンタインでもらったチョコの数」の２つの項目で作り上げています。このように、私たちが、なんとなく共通でもっているけれども、数で数えにくい概念をも分析に取り込むことができるのです！これがすごいところベストの２についてでした。

また、このモデルがよくできているかを見るための基準がいくつかあります（例えば、CFIやRMSEAやAICなどがあります。この基準についてはまた別の記事で書いていきます！）

たとえば、CFIが0.95以上だと、よいモデルだね！というように、数値で判断できるのです。数値で判断できると説得力がありますね！これがベスト３についてです。

さて、私の♡恋愛で学ぶ統計学♡シリーズを読んでくださったかたなら、きっと、これまでの記事に鋭い「ツッコミ」をしてくださっているでしょう。

これまでの記事では「モテ度」を「付き合ったことのある人数」と定義していました。また「コミュ力」も「人と話をするのが好きですか？」という質問に対して１０段階で測っただけです。

ですので、みなさんなら「そもそも、この定義って正しいの？？」という「ツッコミ」をいれていたでしょう。

「付き合ったことのある人数」だけで「モテ度」の高さを測れるのでしょうか？身近に、ものすごく異性から好かれているのに、高嶺の花すぎて付き合っていなかったりする人はいませんでしたか？めちゃくちゃイケメンなのに、いつも同性の友達と過ごしていて、彼女がいない人いませんでしたか？

そうです。これまで私が行ってきた統計分析には、かなり無理があったのです、、、、、もちろん意味がないわけではありませんよ！（ここまでは統計の基本を理解するためにそうしていただけです(^^)/）

この構造方程式モデリングを使えば、「モテ度」なんていう、曖昧な概念でもできる限り統計を使って考えていこうとするものです。

ですので構造方程式モデリングは「この世の中」や「人の心理」といった複雑なものを分析して、考えるキッカケを与えてくれる次世代の統計の方法です！

ぜひ身に着けていきたいですね！

さあ、では、またモテるために、この構造方程式モデリングをさらに学んでいきましょう！

「モテる」という現象には、どんな構造が隠されているのか？

そもそも「モテる」ってなんだ？

より、深く哲学的になってきて、、、面白くなってきましたね(^^)