Up

セマンティック・ディファレンシャル

 

本書「心理学データ分析と測定」の「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; 15.1 分析例による説明」で行われている分析は、以下のようである。

用いられているデータ(表15.1.1DataTable1511.txt)に対して、まず因子分析をプログラムfa_pf.exeによって行う。このプログラムのソースコードファイルなどをまとめた圧縮ファイルfa_pf.zipは、クリックしてダウンロード・解凍すれば、Visual Studio 2013で開くことができる。

プログラムfa_pf.exeを実行すると、図1のフォームが表示される。

図1

 

15.1.3に示されている3因子解を得るために「因子数=3」に設定して、「GO」ボタンをクリックする。図2の入力データファイル名設定のダイアログウィンドウが表示される。

図2

 

15.1.1のデータファイルDataTable1511.txtを設定して、「開く」ボタンをクリックする。計算結果を出力するファイルの名前を設定するダイアログウィンドウが表示される(図3)。

図3

 

適当なテキストファイル名を設定して、「保存」ボタンをクリックする。計算が終了すると、計算結果が出力されたファイルが保存されたことを示すメッセージボックスが表示される(図4)。

図4

 

OK」ボタンのクリックで、プログラムの実行終了となる。

プログラムの実行終了後、出力ファイルを開くと、図2で設定した入力データの場合、以下のようになっている。

 

Data File = D:\yasuharu\www\LaCoocan\booksetc\pm2010\SemanticDifferential\fa_pf\fa_pf\DataTable1511.txt

 

 6.5 6.5 6.5 6.5 6.5 6.5 6.5 6.5 6.5

   4   4   4   4   4   4 6.5 6.5 6.5

 6.5 6.5 6.5 1.5 1.5 1.5   4   4   4

   4   4   4 6.5 6.5 6.5   4   4   4

   4   4   4   4   4   4 1.5 1.5 1.5

/

Vars =         a3        v1        L1        v3        a1        v2        L3        a2        L2

n = 250

 

                mean        sd

a3             4.088     1.829

v1             4.336     1.673

L1             4.052     1.853

v3             4.340     1.649

a1             3.956     1.993

v2             3.656     1.578

L3             4.068     1.798

a2             3.972     1.812

L2             4.004     1.867

 

相関行列

                  a3        v1        L1        v3        a1        v2        L3        a2        L2

        a3   1.00000  -0.14694  -0.23862  -0.12264  -0.60820   0.10337   0.17340   0.52706  -0.18760

        v1  -0.14694   1.00000  -0.17596   0.32099   0.12923  -0.25017   0.21851  -0.05363  -0.12340

        L1  -0.23862  -0.17596   1.00000  -0.17593   0.20322   0.05400  -0.57029  -0.27240   0.54005

        v3  -0.12264   0.32099  -0.17593   1.00000   0.08123  -0.40386   0.11497  -0.15475  -0.10698

        a1  -0.60820   0.12923   0.20322   0.08123   1.00000  -0.13077  -0.13988  -0.56317   0.14094

        v2   0.10337  -0.25017   0.05400  -0.40386  -0.13077   1.00000  -0.09329   0.09037   0.04393

        L3   0.17340   0.21851  -0.57029   0.11497  -0.13988  -0.09329   1.00000   0.19216  -0.55681

        a2   0.52706  -0.05363  -0.27240  -0.15475  -0.56317   0.09037   0.19216   1.00000  -0.13361

        L2  -0.18760  -0.12340   0.54005  -0.10698   0.14094   0.04393  -0.55681  -0.13361   1.00000

 

相関行列の固有値

                                      Cum.Sum    Cum.Prop(%)

             1:        2.69045        2.69045           29.9

             2:        2.11330        4.80375           53.4

             3:        1.14033        5.94408           66.0

             4:        0.75563        6.69971           74.4

             5:        0.62220        7.32191           81.4

             6:        0.49482        7.81673           86.9

             7:        0.41707        8.23380           91.5

             8:        0.40648        8.64029           96.0

             9:        0.35971        9.00000          100.0

 

繰り返し回数     = 151

抽出された因子数 = 3

 

 

初期解

            Factor-1  Factor-2  Factor-3  Communalities

a3          -0.62639  -0.38554   0.17830        0.57279

v1          -0.05381   0.45430   0.14501        0.23031

L1           0.65353  -0.35931   0.13999        0.57581

v3          -0.01708   0.57379   0.46670        0.54734

a1           0.63060   0.43046  -0.27883        0.66069

v2          -0.03255  -0.42216  -0.34694        0.29964

L3          -0.60786   0.42061  -0.23634        0.60226

a2          -0.59368  -0.33484   0.14841        0.48660

L2           0.56251  -0.35685   0.25770        0.51017

 

バリマックス回転後の因子パターン

            Factor-1  Factor-2  Factor-3  Communalities

a1          -0.80462  -0.07766   0.08517        0.66069

a3           0.73116   0.14788  -0.12777        0.57279

a2           0.66761   0.16622  -0.11519        0.48660

L3           0.10909   0.75870   0.12137        0.60226

L1          -0.21872  -0.71094  -0.15012        0.57581

L2          -0.09917  -0.70465  -0.06173        0.51017

v3          -0.06178   0.07801   0.73310        0.54734

v2           0.07614  -0.02421  -0.54153        0.29964

v1          -0.12589   0.20117   0.41713        0.23031

Contri.        1.723     1.680     1.083

 

プロマックス回転後の因子パターン (r = 4)

            Factor-1  Factor-2  Factor-3

a1          -0.83980   0.06548  -0.03961

a3           0.73801   0.03381  -0.03277

a2           0.66735   0.06461  -0.03439

L3          -0.02633   0.78312   0.00218

L2           0.03525  -0.73689   0.05279

L1          -0.10744  -0.70336  -0.06197

v3           0.03784  -0.03340   0.75623

v2          -0.00218   0.05484  -0.55958

v1          -0.11067   0.17060   0.38347

 

因子相関行列...

                      Factor-1       Factor-2       Factor-3

Factor-1               1.00000        0.30615       -0.23175

Factor-2               0.30615        1.00000        0.25836

Factor-3              -0.23175        0.25836        1.00000

 

プロマックス回転後の構造行列

            Factor-1  Factor-2  Factor-3

a1          -0.81058  -0.20186   0.17193

a3           0.75596   0.25128  -0.19507

a2           0.69510   0.26004  -0.17236

L3           0.21291   0.77562   0.21061

L2          -0.20259  -0.71246  -0.14576

L1          -0.30841  -0.75226  -0.21879

v3          -0.14764   0.17357   0.73883

v2           0.14429  -0.09040  -0.54490

v1          -0.14731   0.23579   0.45319

 

 

15.1.2(固有値)、表15.1.3(因子パターン)を確認することができる。

 

 

次に、上の分析結果に基づいて各評定対象の平均評定値(表15.1.4)を求める。これを行うためにプログラムCalcMeans.exeを用意した。ソースコードファイルなどをまとめた圧縮ファイルCalcMeans.zipも用意したので、ダウンロード・解凍すればVisual Studio 2013で開くことができる。

15.1.3に示されている因子パターンに従って平均値を求めるコードは以下のようになっている。

               for (int i = 0; i < 50; i++){

                             for (int j = 0; j < 5; j++){

                                          a[j] += (8 - item_a1[j][i]) + item_a2[j][i] + item_a3[j][i];

                                          v[j] += item_v1[j][i] + (8 - item_v2[j][i]) + item_v3[j][i];

                                          L[j] += (8 - item_L1[j][i]) + (8 - item_L2[j][i]) + item_L3[j][i];

                             }

               }

 

逆転項目については、8から引いた値を用いているが、本書「心理学データ分析測定の「第15章 印象の構造を見る」を参照されたい。

 

プログラムCalcMeans.exeを実行すると、図5のフォームが表示される。

図5

 

GO」ボタンをクリックすると、図6の入力ファイル名の設定を求めるダイアログフォームが表示される。

図6

 

上の因子分析のときの入力データファイル名を指定して、「開く」ボタンをクリックする。図7の計算結果出力用ファイルの名前の設定を求めるダイアログウィンドウが表示される。

図7

 

適当な出力用テキストファイル名を設定して、「保存」ボタンをクリックすると、計算が始まる。計算が終了すると、計算結果の出力が終了したことを示すメッセージボックスが表示される(図8)。

図8

 

OK」ボタンのクリックでプログラムの実行終了となる。プログラムの実行終了後、出力ファイルを開くと以下のようになっている。

 

Data File = D:\yasuharu\www\LaCoocan\booksetc\pm2010\SemanticDifferential\CalcMeans\CalcMeans\DataTable1511.txt

 

 6.5 6.5 6.5 6.5 6.5 6.5 6.5 6.5 6.5

   4   4   4   4   4   4 6.5 6.5 6.5

 6.5 6.5 6.5 1.5 1.5 1.5   4   4   4

   4   4   4 6.5 6.5 6.5   4   4   4

   4   4   4   4   4   4 1.5 1.5 1.5

/

Input data...

0_0     5 7 4 2 3 1 6 5 2

0_1     3 2 4 2 2 4 5 4 3

0_2     1 6 4 7 7 3 4 1 2

0_3     6 5 2 5 2 5 3 5 3

0_4     6 5 7 3 4 3 2 3 6

1_0     5 6 2 7 2 2 7 7 3

1_1     3 4 1 5 3 4 7 4 3

1_2     3 6 4 7 5 3 3 2 5

1_3     5 3 5 7 1 4 4 5 6

               

               

               

48-3     7  4  3  2  1  7  4  7  4

48-4     5  4  6  2  6  4  2  6  6

49-0     7  6  1  7  1  3  6  7  4

49-1     4  1  1  4  4  6  6  3  1

49-2     4  5  7  4  7  3  6  1  3

49-3     7  3  2  6  4  4  4  5  7

49-4     3  4  7  5  4  4  1  2  7

 

mean ratings...

item-1   v = 5.513   a = 5.513   L = 5.393

item-2   v = 3.653   a = 3.680   L = 5.613

item-3   v = 5.553   a = 1.807   L = 3.467

item-4   v = 3.460   a = 5.613   L = 3.687

item-5   v = 3.520   a = 3.560   L = 1.860

 

15.1.4に示されている平均値を確認することができる。

 

 

Up