SDAとIDA /MCAの応⽤編 計量分析セミナー 2023/09/06 藤本⼀男 [email protected]

GDAの中でのSDAとIDA • 記述 • SDA：個体空間の構造を追加変数を⽤いて分析。 • カテゴリ平均点の配置（距離）、集中楕円（散らばり）として領域図 ⽰ • カテゴリ平均点の差 • 分解された分散の評価。η2 （群間分散/全体分散） • 検定 • 記述統計によって明らかになった差異は、有意か • 典型性検定 • 同質性検定

Rmarkdownで実⾏ • 分散の分解 • https://rpubs.com/kfj419/1078098 • SDAからIDAへ • https://rpubs.com/kfj419/1078199 • SDAの補⾜ • 表4.1の再現 https://rpubs.com/kfj419/1078072 • 表4.2の再現 https://rpubs.com/kfj419/1078113

嗜好データを性別で分析する 1-2軸 • 軸の標準偏差が√λ • この尺度化は、標準化し ている。 男⼥差→ それを√λで尺度化→

嗜好データを性別で分析する 3-2軸 • ⽐較の⼤まかな⽬安 • > 0.5：注⽬すべき差 • > 1 ：⼤きい差 それを√λで 尺度化→ 男⼥差→

性別で分散を分解する • 相関⽐η2に注⽬する。dim3が⼤きい。 この表は、GDAtools::varsupで得られる。

以上が記述統計的分析。この差を検定する • 典型性検定の結果。 • すべての軸で差は有意である。

年齢で分析する 1−2軸

この表も、GDAtools::varsupで得られる。

3−2軸

同質性検定

典型性検定なので、カテゴリ平均点の 全体（原点）からのズレを検定している。 p値は、典型性のレベルの指標になっている。 １軸、２軸では、35−44歳、45−54歳の典型 性レベルは⾼い。 しかし、３軸では、すべての年齢カテゴリで 典型度が⾼いことがわかる。