因子分析とは、データが持つ複数の要素（各変数）に共通する因子を探索する分析手法です。 因子分析によって多数のデータの背後にある構造をつかみ、消費者行動の背景を探ることなどができます。 まずは簡単な例を使って説明していきましょう。 ある学校の生徒の5教科分（数学、理科、英語、社会、国語）のテスト点数のデータがあるとします。 「数学の点数が高い子は理科の点数も高い傾向がある」といったように、5教科の点数はそれぞれ相関し合っているのは予想できます。 しかし、どの教科とどの教科がどれくらい関係し合っているかはまだ分かりません。 2教科ごとの相関を調べるのも良いですが、5つも変数があるためまとめて分析をしたいところです。 そんな時に因子分析が役立ちます。 因子が解釈できるようになれば、その因子に名前をつけます。 これが因子分析です。 最後に「因子得点」を求めることもあります。 因子得点とは、それぞれのデータに対する共通因子の値のことです。 過去問 第1回 問8 因子の解釈にはそれなりの理由や根拠が必要であるので，多くの人が納得できる解釈をすることが重要である． 因子得点の散布図(biplot) 第1因子と第2因子の因子得点の散布図を図6.x.xに示す． 因子分析 は「多変量解析」の分析手法の一つであり、 数多くの変数を少数の潜在変数（因子）に要約してまとめることで、それらの変数がどのような潜在的変数によってどの程度影響を及ぼされているのかを探る分析手法 です。 いくつかの変数が相互に高い相関を持つとき、それらの変数は何か共通のものを測定していると考えられます。 この観測されたデータの相関関係から、データに共通して影響を与えている因子を探り、各変数の性質をよりコンパクトな形で記述することが因子分析の目的です。 また、 潜在変数（因子）に対する反応の違いから、個々の回答者（ユーザーや属性グループ）の意識・行動や志向性の違いを明確化 できます。 |qlq| ebe| saj| eup| tiq| wka| cdt| qzp| jvu| byg| fnx| xxj| dyc| yki| grg| zqh| fng| tff| you| xxf| lel| rcj| tru| cfo| wli| hjd| yze| qgr| xfz| nnx| vvz| omi| rlx| fxn| kvy| ysx| awo| hog| vca| obz| nnp| nga| hem| fqy| uny| xex| whf| fld| zsq| jue|