spss ハウツー

1 / 44

SPSS ハウツー

独立行政法人 大学入試センター橋本 貴充

2007 年 3 月 30 日 ( 金 )

2 / 44

本日の内容• データの入力と読み込み

– Excel へのデータの入力– Excel ファイルの読み込み

• 被験者間 2 要因分散分析– 分析の目的– 分析例のデータ– 分析方法– 結果の見方

• 重回帰分析– 分析の目的– 分析例のデータ– 分析方法– 結果の見方

• 探索的因子分析– 分析の目的– 分析例のデータ– 分析方法– 結果の見方

• その他

3 / 44

本日の内容• データの入力と読み込み

– Excelへのデータの入力– Excelファイルの読み込み

• 被験者間 2 要因分散分析– 分析の目的– 分析例のデータ– 分析方法– 結果の見方

• 重回帰分析– 分析の目的– 分析例のデータ– 分析方法– 結果の見方

• 探索的因子分析– 分析の目的– 分析例のデータ– 分析方法– 結果の見方

• その他

4 / 44

Excel へのデータの入力• 1 行目（一番上の行）は変数名。

– SPSS でデータの最初の行から変数名を読み込むため。

– Excel でソートするときもタイトル行にできる。

• 1 列目（一番左の列）は被験者 ID 。– 今回は分析の例が中心なので被験者 ID は省略。

• 被験者 1 人分のデータは 1 行に。– 対応関係は切らない。

5 / 44

具体例

A B C D

1 被験者 ID 性別 統制条件 実験条件

2 1 F 2 7

3 2 M 1 8

4 3 M 2 8

5 4 F 1 8

1 行目は変数名。

1 列目は被験者ID 。

1 人分のデータは 1 行に。テキストと違うデータでごめんなさい。

6 / 44

Excel ファイルの読み込み

7 / 44

本日の内容• データの入力と読み込み

– Excel へのデータの入力– Excel ファイルの読み込み

• 被験者間 2要因分散分析– 分析の目的– 分析例のデータ– 分析方法– 結果の見方

• 重回帰分析– 分析の目的– 分析例のデータ– 分析方法– 結果の見方

• 探索的因子分析– 分析の目的– 分析例のデータ– 分析方法– 結果の見方

• その他

8 / 44

目的• 交互作用（一方の要因の水準ごとに、従

属変数に対する他方の要因の効果が異なること）の有無を調べたいとき。– 例えば、ある種の抗酸化剤を投与するか否か

によって、マウスの DNA 合成能に及ぼす放射線照射の効果が異なるかどうかを調べたいとき。

9 / 44

データ• 従属変数　　マウスの DNA合成能。放射性同位元素でラベルされたチミジンの取り込み量（ cpm）で測定される。

• 要因　　以下の 2つ。–放射線照射の有無–薬剤（ある種の抗酸化剤）投与の有無

• 教科書 p.119～ 120参照。

10 / 44

分析方法• 分析 (A)

– 一般線型モデル (G)• 1 変量 (U)

11 / 44

分析方法

12 / 44

分析方法（作図）

13 / 44

分析方法（オプション）

14 / 44

分析方法

15 / 44

結果の見方• 被験者間効果の検定

– 2 つの要因が * で結ばれているところが交互作用の行。

– 交互作用の行、有意確率の列（ p 値）が 0.05未満なら、有意な交互作用あり。

– 論文には、次の指標が必要。• 第 1 自由度（交互作用の行、自由度の列。）• 第 2 自由度（誤差の行、自由度の列。）• F 値（交互作用の行、 F 値の列。）

16 / 44

結果の見方被験者間効果の検定

: DNA従属変数 合成能

3850.129a 3 1283.376 10.430 .0001037023.548 1 1037023.5 8427.650 .000

3016.301 1 3016.301 24.513 .000111.924 1 111.924 .910 .347721.905 1 721.905 5.867 .021

4429.805 36 123.0501045303.483 40

8279.935 39

ｿｰｽ修正ﾓﾃﾞﾙ切片照射薬剤投与

* 照射 薬剤投与誤差総和修正総和

III ﾀｲﾌﾟ 平方和 自由度 平均平方 F 値 有意確率

R2 = .465 ( R2 = .420)乗 調整済み 乗a.

（ F(1, 36) ＝ 5.867 ， p＜ .05 ）

17 / 44

結果の見方

18 / 44

ここで 10 分間休憩にします。

19 / 44

本日の内容• データの入力と読み込み

– Excel へのデータの入力– Excel ファイルの読み込み

• 被験者間 2 要因分散分析– 分析の目的– 分析例のデータ– 分析方法– 結果の見方

• 重回帰分析– 分析の目的– 分析例のデータ– 分析方法– 結果の見方

• 探索的因子分析– 分析の目的– 分析例のデータ– 分析方法– 結果の見方

• その他

20 / 44

目的• 従属変数に対して、どの独立変数が影響

を及ぼしているかを調べたいとき。– 例えば、肺活量に対して、身長と体重のいず

れが（あるいは両方が）影響を及ぼしているかを調べたいとき。

• 複数の独立変数を用いて、従属変数の値を予測したいとき。

21 / 44

データ• 従属変数　　年齢• 独立変数　　以下の 7 つ。

– 精神的な活発さ、知的な行動力、生活の堅実さ、心身の不安定さ、望ましくない食生活、運動実施、疾病頻度

• 教科書 p.141 ～ 142 参照。

22 / 44

分析方法• 分析 (A)

– 回帰 (R)• 線型 (L)

23 / 44

分析方法

24 / 44

分析（残差分析）

25 / 44

分析（統計）

26 / 44

分析方法

27 / 44

結果の見方• モデル集計

– 変数をステップワイズ法で取捨選択した場合は、最下のモデルを見る。

– その R についている記号に対応する変数が選ばれた変数。

• 係数– 変数をステップワイズ法で取捨選択した場合

は、最下のモデルを見る。– B が偏回帰係数。

28 / 44

結果の見方ﾓﾃﾞﾙ集計

.342a .117 .115 10.730

.451b .203 .199 10.208

.475c .226 .220 10.074

.490d .240 .233 9.991

.498e .248 .238 9.954

ﾓﾃﾞﾙ12345

R R2 乗調整済み

R2 乗推定値の標準誤差

: ( )予測値 定数 、生活の堅実さ。a.

: ( ) , 予測値 定数 、生活の堅実さ 疾病頻度。b.

: ( ) , , 予測値 定数 、生活の堅実さ 疾病頻度 望ましくない食生活。

c.

: ( ) , , 予測値 定数 、生活の堅実さ 疾病頻度 望ましくな, い食生活 精神的な活発さ。

d.

: ( ) , , 予測値 定数 、生活の堅実さ 疾病頻度 望ましくな, , い食生活 精神的な活発さ 心身の不安定さ。

e.

29 / 44

結果の見方係数a

38.558 2.450 15.737 .0001.008 .139 .342 7.265 .000

33.391 2.461 13.568 .000.998 .132 .339 7.555 .000

1.089 .167 .293 6.540 .00038.129 2.800 13.617 .000

.966 .131 .328 7.392 .0001.108 .164 .298 6.735 .000-.471 .138 -.151 -3.401 .001

41.063 2.972 13.817 .0001.118 .141 .379 7.944 .0001.009 .167 .272 6.045 .000-.485 .137 -.155 -3.529 .000-.394 .142 -.135 -2.771 .006

42.329 3.030 13.972 .0001.097 .141 .372 7.807 .0001.184 .188 .319 6.285 .000-.442 .139 -.142 -3.191 .002-.412 .142 -.141 -2.904 .004-.230 .116 -.101 -1.976 .049

( )定数生活の堅実さ( )定数生活の堅実さ疾病頻度( )定数生活の堅実さ疾病頻度望ましくない食生活( )定数生活の堅実さ疾病頻度望ましくない食生活精神的な活発さ( )定数生活の堅実さ疾病頻度望ましくない食生活精神的な活発さ心身の不安定さ

ﾓﾃﾞﾙ1

2

3

4

5

B 標準誤差非標準化係数

ﾍﾞｰﾀ

標準化係数

t 有意確率

: 従属変数 年齢a.

y＝ 42.329 ＋ 1.097x1 ＋ 1.184x2－ 0.442x3－ 0.412x4－0.230x5

30 / 44

本日の内容• データの入力と読み込み

– Excel へのデータの入力– Excel ファイルの読み込み

• 被験者間 2 要因分散分析– 分析の目的– 分析例のデータ– 分析方法– 結果の見方

• 重回帰分析– 分析の目的– 分析例のデータ– 分析方法– 結果の見方

• 探索的因子分析– 分析の目的– 分析例のデータ– 分析方法– 結果の見方

• その他

31 / 44

目的• 多数の観測変数を、少数の潜在変数で説明したいとき。– 例えば、様々な食物の摂取量の相関係数を、少数の因子で表現したいとき。

32 / 44

データ• 観測変数　　米、パン、めん・その他、いも類、菓子類、油脂類、味噌、豆類、果実、緑黄色野菜、淡色野菜、海藻、嗜好飲料、魚介類、肉類、卵、乳・乳製品、の 17種類。

• 教科書 p.141～ 142参照。

33 / 44

分析方法• 分析 (A)

– データの分解 (D)• 因子分析 (F)

34 / 44

分析方法

35 / 44

分析方法（因子抽出）

望ましさは、　　　　　最尤法＞最小二乗法＞主因子法結果の出やすさは、最尤法＜最小二乗法＜主因子法

36 / 44

分析方法（回転）

37 / 44

分析方法（オプション）

38 / 44

分析方法（記述統計）

39 / 44

分析方法

40 / 44

結果の見方• パターン行列• 因子相関行列

41 / 44

結果の見方ﾊﾟﾀｰﾝ行列a

.838 -.315-.048 .192.210 .085.272 .080.268 .179.216 .549.435 .004.090 .181.260 .214.091 .558.550 .185.150 .219.197 -.089.209 .236

-.171 .501.295 .290.001 .445

米パンめん・その他いも類菓子類油脂類味噌豆類果実緑黄色野菜淡色野菜海藻嗜好飲料魚介類肉類卵乳・乳製品

1 2因子

: 因子抽出法 最尤法: Kaiser 回転法 の正規化を伴うﾌﾟﾛﾏｯｸｽ法

3 回の反復で回転が収束しました。a.

因子相関行列

1.000 .131.131 1.000

因子12

1 2

: 因子抽出法 最尤法: Kaiser 回転法 の正規化を伴うﾌﾟﾛﾏｯｸｽ法

42 / 44

本日の内容• データの入力と読み込み

– Excel へのデータの入力– Excel ファイルの読み込み

• 被験者間 2 要因分散分析– 分析の目的– 分析例のデータ– 分析方法– 結果の見方

• 重回帰分析– 分析の目的– 分析例のデータ– 分析方法– 結果の見方

• 探索的因子分析– 分析の目的– 分析例のデータ– 分析方法– 結果の見方

• その他

43 / 44

SPSS 15.0J の新機能• Advanced Models で一般化線形モデルの分析が可能に。– 線形モデル（ Linear Model ）

• 従属変数も独立変数も量的変数。• つまり回帰分析。

– 一般線形モデル（ General Linear Model ）• 質的な独立変数も扱える。従属変数は量的変数。• 分散分析も一般線形モデルのひとつ。

– 一般化線形モデル（ Generalized Linear Model ）• さらに質的な従属変数も扱える。• 対数線形モデルも一般化線形モデルで扱える。

44 / 44

一般化線形モデル• では、実際にやってみましょう。• …すみません、準備が間に合いませんで

した (^_^;) 。• 詳しくは後ろの SPSS社の方にきいてください。