岡本安晴（著）
心理学データ分析と測定
データの見方と心の測り方
ISBN978-4-326-98561-6(オンデマンド版)
目 次
第Ⅰ部 関係を見る
第１章
２つの変数の間の関係を見る：単回帰分析
第２章
複数の変数の間の関係を見る：重回帰分析
第３章
偏回帰係数を比べる：コントラスト
第４章
比率（確率）の条件差を見る：ロジスティック回帰分析
第５章
情報の骨子を見る：主成分分析
第６章
背後の原因を探る：因子分析
第７章
関係を表すパス図：共分散構造分析
第Ⅱ部 心を測る
第８章
心理学的特性を測る：心理尺度
第９章
現代テスト理論：項目反応理論と一般化可能性理論
第１０章
感覚の強さを測る：マグニチュード推定法
第１１章
感覚の違いを測る：弁別と検出
第１２章
感覚と判断：信号検出理論
第１３章
心の地図を描く：多次元尺度法
第１４章
質的データの可視化：双対尺度法
第１５章
印象の構造を見る：セマンティック・ディファレンシャル
付録 数学的準備
付録Ａ 行列
付録Ｂ 最尤法
付録Ｃ ベイズ的分析法
「はじめに」より
本書は、データに含まれる情報をとりだす分析法を解説した第１章から第７章までの第Ⅰ部「関係を見る」と、
心理学的測定法を取り上げた第８章から第１５章までの第Ⅱ部「心を測る」から構成されている。
第１章「２つの変数の間の関係を見る：単回帰分析」では、
従属変数を説明する独立変数が１個の場合の単回帰モデルによって
回帰分析の基本的考え方を説明した。
第２章「複数の変数の間の関係を見る：重回帰分析」では、
独立変数が２個以上の場合の回帰モデルを用いる重回帰分析について説明した。
第３章「偏回帰係数を比べる：コントラスト」では、
重回帰モデルにおけるそれぞれの独立変数の影響の強さを表す偏回帰係数についての
統計学的検定法について解説した。
第４章「比率（確率）の条件差を見る：ロジスティック回帰分析」では、
比率（確率）を従属変数とする重回帰モデルの一種であるロジスティック回帰モデルについて説明した。
最尤法を用いた分析の場合はサンプル数が十分に多くないと漸近定理を用いることに問題があるため、
本章ではベイズ的分析法を採用することにより、
サンプル数が十分に多くない場合においても分析が可能であるようにした。
このロジスティック回帰分析により、
比率（確率）についての分析を重回帰モデルを活用して行うことができる。
第５章「情報の骨子を見る：主成分分析」では、
多数の変数に含まれる情報を少数の変数（成分）に集約する方法として
主成分分析を取り上げた。
第６章「背後の原因を探る：因子分析」では、
多数の変数に影響が反映される心理学的構成概念としての因子を抽出する方法として
因子分析を取り上げた。
第７章「関係を表すパス図：共分散構造分析」では、
回帰モデルあるいは因子モデルを含む
より一般的な構造方程式および測定方程式で表されるモデル
（グラフとして図示したものはパス図と呼ばれている）について説明した。
第８章「心理学的特性を測る：心理尺度」では、
性格などの心理学的概念を測定する心理尺度（テスト）について説明した。
本章では、テスト得点の因子モデルに基づいた考え方を解説した。
第９章「現代テスト理論：項目反応理論と一般化可能性理論」では、
最近注目を集めている項目反応理論および一般化可能性理論を取り上げた。
第１０章「感覚の強さを測る：マグネチュード推定法」では、
物理刺激などによって引き起こされる感覚の強さ（マグネチュード）の測定について説明した。
第１１章「感覚の違いを測る：弁別と検出」では、
２つの刺激による感覚量の違い、およびバックグラウンドに対する刺激の感覚量の検出を取り上げた。
第１２章「感覚と判断：信号検出理論」では、
弁別における判断の過程をモデル化した信号検出理論について説明するとともに、
診断検査のモデルが信号検出理論のモデルと同じであることを指摘した。
心理カウンセリングにおけるアセスメントに信号検出理論が関係していることがわかる。
第１３章「心の地図を描く：多次元尺度法」では、
心理的距離関係を表す布置を構成する方法の1つでる多次元尺度法について説明した。
第１４章「質的データの可視化：双対尺度法」では、
質的データの分析法の１つである双対尺度法をクロス表の分析の場合について説明した。
双対尺度法により、クロス表に含まれる対象間の関係をビジュアルに解りやすく表すことが期待できる。
第１５章「印象の構造を見る：セマンティック・ディファレンシャル」では、
言葉などの感情的印象を分析する方法の１つであるＳＤ法について説明した。
対象によって引き起こされる様々な心的印象・感情が少数の因子によってまとめられる。
付録「数学的準備」として、
行列、最尤法、およびベイズ的分析法の簡単な解説を用意した。
ベイズ的分析法では、
最近盛んに用いられるようになったベイズ的分析法を支えている手法としてＭＣＭＣと呼ばれているものがあるが、
このなかで筆者が使い易いと考えているMetropolis-within-Gibbsと呼ばれているアルゴリズムについて
少し詳しく解説した。
以下のプログラムはVisual
C++によるものであるが、
Pythonプログラムも用意している。
本書で扱っている分析法のプログラム（ソースコード付き）とデータは、以下のウェブサイトからダウンロードできる。
これらのプログラム（ソースコード付き）およびデータは、自由に御利用下さい。
Windows 8.1において「*.exe」ファイルをダウンロード・実行する手順については、別のウェブサイトで説明している。
実行形式のファイル「*.exeファイル」をダウンロード・実行したとき、
「xxxxxx.dllがインストールされていません」あるいは「プログラムではありません」
というようなエラーメッセージが表示されたときは、
マイクロソフト社のウェブサイト
http://www.visualstudio.com/downloads/download-visual-studio-vs
から、Visual Studio Express 2013 for Windows Desktopをダウンロード・インストールして、
Visual C++/CLR 2013の実行環境をインストールした後、
実行形式の「*.exe」ファイルをダウンロード・実行する。
ZIPファイルとしてまとめられたソースコードファイルは、
ダウンロード・解凍してVisual Studio 2013で開くことができる。
このとき、フォームデザイナ関連のエラーが出されることがあるが、
エラーの表示されたフォームのデザイナタブの右にあるＸ印をクリックして一旦閉じた後、
ソリューションエクスプローラ内のフォームのファイル名（*.h）をダブルクリックすれば、
問題なくフォームが表示される。
プログラムは、目的に応じて書き換えたり、他のプログラムと組み合わせたりして利用することができる。
プログラムについての質問等は、作成者（岡本安晴）までどうぞ。
なお、Visual C++/CLR (Windows Desktop)プログラミングについては、
Visual Studio 2013におけるフォームアプリケーションの新規作成については
＜http://y-okamoto-psy1949.la.coocan.jp/booksetc/introvcpp/vs2012FormApp/＞
あるいは
＜http://y-okamoto-psy1949.la.coocan.jp/VCpp/easyvcpp2012/＞
を参照されたい。
Pythonプログラム
Pythonの簡単なインストールと使用法の説明のウェブサイト
因子分析、
信号検出理論（Signal Detection Theory: SDT）