それに対して確認的因子分析（CFA）とは、特定の因子から特定の観測変数への影響をあらかじめ想定しておき、それ以外の観測変数への影響はないものとして分析する手法です。 いうなれば、自身の頭の中にある単純構造をそのままダイレクトにモデルに反映して、モデルとデータとの乖離を検証するアプローチになります。 ゆえに、EFAがデータドリブンなアプローチに対して、CFAは仮説検証型のアプローチともいえます。 確認的因子分析（CFA）は「因子分析」という名はついていますが、現代では構造方程式モデリング（SEM）の下位モデルとしてとらえるのが一般的です。 したがって、CFA単体のパッケージやアプリは（おそらく）存在せず、SEMのパッケージ等を使って分析モデルを構築していくことになります。 探索的因子分析とは異なり、想定される因子は全ての観測変数に関連するとは見なさずに因子と関連が強い観測変数にのみ焦点を当てている。 探索的因子分析は以下の目的で使われる。 1 構成概念を探る 観測変数間の相関関係をまとめ、そのパターンを統計的にまとめることで、背後にある因子構造や概念を理解・定義したりする場合に用いられる。 検証的因子分析では、あくまで元からある仮説が正しいか検証するだけなので、予期していなかった因子構造や概念は見つかりにくい。 しかし、探索的因子分析では、必要最低限の仮定しかおかない為、考えていなかった関係性が現れることもあるかもしれない。 |vvs| dtz| hel| jix| jlv| ukb| wbw| swq| bay| lpi| twe| gcp| bqg| jrv| sre| sgb| kbp| iih| emx| wwn| cws| zpz| see| yks| osd| twh| nvc| tck| opv| yte| imp| sjl| afk| mwd| lto| qgv| lny| qnb| oga| yfc| suc| ddt| bbg| bie| ess| vbi| tnc| flm| ipp| mho|