何をする手法か?
構造方程式モデリング(SEM)は、パス解析(Sewall Wright, 1921)と確認的因子分析を組み合わせた包括的な統計的フレームワークであり、観測変数と潜在変数を結びつける複雑な因果モデルを検証します。Jöreskog (1973) がLISRELソフトウェアを用いて形式化して以来、SEMは測定関係(変数が潜在構成概念をどのように測定するか)と構造関係(構成概念が結果にどのように影響するか)を同時に推定することを可能にし、心理学、疫学、組織研究、健康科学など、複雑な媒介、調整、潜在プロセスが統合的な分析を必要とする分野での理論検証に強力なツールとなっています。
手法の背後にある直感
多くの研究課題は複雑な因果連鎖を含んでいます。変数Xが結果Yに直接影響するのか、それとも媒介変数Mを介して間接的に影響するのか?複数の観測変数が単一の潜在構成概念を測定しているのか?SEMはこれらの問いを一つのモデルに統合します。このフレームワークは二つの部分から構成されます。(1) 測定モデル — 観測変数が潜在構成概念にどのように関連するか(因子負荷量)、および (2) 構造モデル — 構成概念が互いにどのように因果的に関連するか(パス係数)。測定誤差を無視する回帰分析や、因果関係を無視する因子分析単独とは異なり、SEMは測定誤差を考慮しながら構造パスを推定します。この二重のアプローチにより、根底にあるプロセスについてより妥当な推論が得られ、間接効果(媒介)、調整、および相互関係の検証が可能になります。
歴史学
Sewall Wrightは、遺伝学における相関を直接的および間接的な因果効果に分解するためにパス解析(1921年)を開発しました。Karl Jöreskogはパス解析と因子分析を統合してSEMを創出し、1973年にLISREL(Linear Structural Relations)ソフトウェアをリリースし、複雑な仮説検証を可能にしました。BentlerのEQS(1985年)とArbuckleのAMOS(1995年)はSEMをより利用しやすくしました。現代の発展には、ロバスト推定(Yuan & Bentler, 2000)、多層SEM(Hox & Maas, 2001)、動的構造モデル(潜在成長曲線;Bollen & Curran, 2006)、およびベイズSEM(Lee, 2007)が含まれます。
使うべき場面
媒介、調整、潜在構成概念、および相互因果関係を含む複雑な多変量理論を検証する場合にSEMを使用します。心理学:認知的対処(潜在)がストレスからうつ病への影響を媒介するか、またはパーソナリティが動機付けを通じて行動にどのように影響するかを検証する。疫学:疾患リスク経路のモデリング(例:社会経済的地位 → 健康行動 → 心血管疾患アウトカム)。組織研究:リーダーシップ(複数の項目で測定)が従業員のエンゲージメント(潜在)を通じて組織パフォーマンスに影響するかを検証する。教育:学校の雰囲気(教師と生徒の報告からの潜在構成概念)が学業成績に与える影響をモデリングする。SEMは潜在変数を自然に扱うため、構成概念が抽象的であるか、複数の指標で誤差を伴って測定される場合に理想的です。
限界と注意点
- 大規模なサンプルとバランスの取れたデザインが必要:少数のnや極端なサンプル特性ではパラメータ推定が不安定になります。複数の潜在変数がある場合、最小n ≥ 100~200が必要です。
- モデルの事前における正しい特定を仮定:SEMは特定されたモデルを検証します。誤った特定(省略されたパス、誤った因果方向)は、誤っていても適合度が良好である可能性があります(等価モデル)。
- 複数の等価モデルの可能性:異なるパス構造が同じ共分散行列を再現する可能性があります。SEMは、追加の理論や制約なしにはそれらを区別できません。
- 非実験データは因果関係を意味しない:パス係数は回帰重みを表し、因果効果ではありません。交絡、逆因果関係、選択バイアスは依然として妥当性を脅かします。
- 複雑な相互作用や非線形関係はSEMで特定および推定するのが困難です。通常、線形関係を仮定します。
出典に示された条件は、独立した科学的レビューや分析エンジンによる検証の代わりにはなりません。
強み
- 統合された測定および構造コンポーネント:変数が構成概念をどのように測定するか(妥当性)と、構成概念がどのように関連するか(理論検証)を同時に推定します。
- 測定誤差を考慮:測定の信頼性の低さに対してパス係数を補正し、回帰分析よりも妥当な構造推定値が得られます。
- 複雑な関係の検証:媒介、調整、間接効果、および相互因果関係を一つの首尾一貫したフレームワークで検証します。
- 欠損データへの柔軟性:完全情報最尤法により、MCAR仮定の下で不完全なデータを用いた分析が可能です。
- 包括的な適合度診断:複数の指標(CFI、RMSEA、残差)により、徹底的なモデル評価と特定の不適合源の特定が可能です。
応用
- 臨床心理学:トラウマ曝露が否定的な認知パターン(媒介)を通じてうつ病に影響するかを検証する。精神病理学の潜在次元をモデリングする。
- 公衆衛生:社会生態学的介入が健康行動に影響するかを評価する(例:地域社会の関与 → 知識 → 行動変容 → 健康アウトカム)。
- 教育研究:学校のリソース配分が教師の質と学校の雰囲気(潜在構成概念)を通じて生徒の学習に影響するかを評価する。
- 組織行動:リーダーシップスタイルが従業員のモチベーションとコミットメント(潜在的媒介変数)を通じて組織パフォーマンスに影響するかを検証する。
- 縦断的発達研究:潜在成長曲線モデルを用いて、個人が時間とともにどのように変化するかを追跡し、ベースライン特性から軌跡を予測する。
使い方
使い方
SEMは以下の手順で実施します。(1) 理論に基づいてモデルを事前に特定する(仮説的な因果構造を図示する)、(2) 潜在変数(測定変数を通じて間接的に観測される抽象的な構成概念)とその指標を定義する、(3) 構造パス(変数/構成概念を結びつける因果仮説)を特定する、(4) すべての観測変数に関するデータを収集する(通常は連続変数ですが、適切な推定法を用いれば順序変数/カテゴリ変数も扱えます)、(5) 適切なサンプルサイズを確保する(最小n ≥ 100、理想的にはn ≥ 200;経験則として、推定されるパラメータ数の10倍以上のn)。欠損値が最小限のデータを収集します。SEMの最尤法(FIML)は、完全にランダムな欠損(MCAR)の仮定の下で欠損データを処理します。外生変数(原因、通常は無相関)と内生変数(結果、他の変数によって引き起こされる可能性がある)を定義します。
SEMは最尤法(ML)またはロバスト推定法(非正規データにはMLR)を用いて推定します。出力には以下が含まれます。(1) 標準化パス係数(変数間の回帰重み):パス間で直接比較可能。0.4の係数は中程度の効果を示す。(2) 因子負荷量:潜在変数とその指標間の相関(≥0.5で許容、≥0.7で強い)。(3) 標準誤差とz統計量:係数がゼロと有意に異なるかを検定する。(4) 間接効果(媒介):間接経路に沿ったパス係数の積。ブートストラップ(≥1000回反復)により検定する。(5) 内生変数のR²:説明される分散の割合。(6) 適合度指標:CFI > 0.95、TLI > 0.95、RMSEA < 0.06、SRMR < 0.08 (Hu & Bentler, 1999)。(7) 残差:標準化された値はゼロに近いべき。大きな残差は特定の関係におけるモデルの不適合を示す。(8) 修正指標:代替パスを示唆するが、データ駆動型の修正は妥当性を損なうため、理論に基づいてのみ修正する。
標準化パス係数は次のように解釈します。パスX→Yの係数が0.5である場合、他の変数を一定に保つと、Xの1標準偏差増加がYの0.5標準偏差増加を予測します(直接効果)。係数p < 0.05であれば、その効果は統計的に有意です。間接効果は、媒介経路に沿った係数を乗算します。例えば、X→M係数が0.3、M→Yが0.4の場合、間接効果は0.3×0.4 = 0.12です。有意性のためには、ブートストラップ95%信頼区間がゼロを含まない必要があります。総効果 = 直接効果 + 間接効果であり、全体的な関連性を評価するためにゼロと比較します。モデル適合度:すべての適合基準(CFI、RMSEAなど)を満たしている場合、モデルが観測された共分散構造を適切に再現していることを示します。残差がゼロに近いことは、個々の経路での適合を確認します。修正指標が3.84を超える場合、適合を改善する可能性のあるパスを示唆しますが、アドホックなパスを追加すると第一種過誤が増大します。モデルの再特定は理論的根拠に基づいて行うか、独立したサンプルで交差検証を行うべきです。
よくある落とし穴
- データ駆動型モデル修正:修正指標に基づいてパスを繰り返し追加することは、偶然に依存し、再現性のないモデルを生成する可能性があります。修正は事前に理論的に正当化されるか、独立したサンプルで検証される必要があります。
- 測定モデルの無視:構造パスのみに焦点を当て、測定誤差が自由に推定されることを許容すること。不適切な測定は構造的妥当性を損ないます。
- 残差を検討せずにモデル適合度を報告すること:良好な全体適合度指標は、すべての経路が良好に適合していることを保証しません。標準化残差と修正指標を調べて、局所的な不適合を特定します。
- 探索的に使用された場合にSEMを確認的と見なすこと:モデルがデータから導出された場合(事後的な特定)、探索的として報告し、独立したサンプルで検証する必要があります。
- 統計的有意性と実質的有意性を混同すること:有意なパス(p < 0.05)は、効果が大きいまたは意味があることを意味しません。効果量(標準化係数)と信頼区間を報告してください。
- 潜在変数でモデルを過飽和にすること:指標とサンプルサイズに対して潜在構成概念が多すぎると、不安定な推定値が生成されます。多群SEMや二因子モデルは慎重に使用してください。
よくある質問
直接効果と間接効果(媒介)の違いは何ですか?
直接効果はXからYへのパスであり、XがYに直接どのように影響するかを定量化します。間接効果はX→M→Yのパスであり、Xが媒介変数Mを介してYにどのように影響するかを定量化します。間接効果は、X→MパスとM→Yパスの積に等しくなります。総効果 = 直接効果 + 間接効果です。媒介は、(1) Mを制御した後でX→Yの直接効果が減少する場合、および (2) X→M→Yの間接効果が有意である場合(ブートストラップ信頼区間がゼロを含まない)に発生します。完全媒介:媒介変数を含めた後、直接効果が非有意になる場合。部分媒介:直接効果と間接効果の両方が有意であり、Xが複数の経路を通じてYに影響することを示します。
モデルがうまく適合しているかどうかをどうやって知ることができますか?CFIとRMSEAは何を意味しますか?
モデル適合度は複数の指標(Hu & Bentler, 1999の基準)によって判断されます。CFI(比較適合度指標)は、モデルを帰無モデル(すべての変数が無相関)と比較します。CFI > 0.95は良好な適合を示します(範囲は0~1)。RMSEA(近似の二乗平均平方根誤差)は、モデルとデータ間の自由度あたりの不一致を定量化します。RMSEA < 0.06は優れている、0.06~0.08は良好、>0.10は不良です(ゼロに近いほど良い)。TLI > 0.95およびSRMR < 0.08も推奨されます。すべての基準を同時に満たすことは良好な適合を示します。ただし、良好な全体適合度がすべての経路の適合を保証するわけではありません。標準化残差(|2|未満であるべき)と修正指標を検討してください。
潜在変数とは何ですか、そしてそれをどのように測定しますか?
潜在変数とは、複数の観測指標(質問紙項目、テストスコア)を通じて間接的に測定される、観測できない構成概念(例:うつ病、知能、組織文化)です。各指標は、潜在構成概念と測定誤差を反映しています。SEMでは、どの観測変数がどの潜在変数を測定するかを因子負荷量を通じて指定します。例えば、潜在変数「うつ病」は、「悲しみ」「絶望感」「睡眠障害」(観測指標)といった項目で測定されるかもしれません。各負荷量は≥0.5であるべきです。指標の負荷量が弱い場合、それを削除するか、潜在構成概念を再概念化することを検討してください。
観察データから因果関係を確立するためにSEMを使用できますか?
いいえ。SEMは関連性を推定し、仮説的な因果モデルがデータ内の相関構造を再現するかどうかを検証します。パス係数は回帰重み(条件付き関連性)を表し、因果効果ではありません。因果関係には、(1) 時間的先行性(XがYより前に測定される)、(2) 共変動(XとYが相関する)、(3) もっともらしい代替案がないこと(交絡、逆因果関係)が必要です。観察SEMは基準3に違反します。交絡変数と未測定の原因は妥当性を脅かします。SEMの統計的適合度だけでは因果関係を証明できません。因果推論を強化するためには、SEMを理論、定性的証拠、および研究デザイン(ランダム化、操作変数)と組み合わせて使用してください。代替モデルを検証する感度分析を検討してください。
関連する手法
参考文献
Jöreskog, K. G., & Sörbom, D. (1973). LISREL: A general computer program for estimating a linear structural equation system. Research Bulletin 73-5. University of Stockholm.
出版物の文献を開くコピーしました。Hu, L. T., & Bentler, P. M. (1999). Cutoff criteria for fit indices in covariance structure analysis: Conventional criteria versus new alternatives. Structural Equation Modeling, 6(1), 1–55.
DOI 文献を開くコピーしました。Wright, S. (1921). Correlation and causation. Journal of Agricultural Research, 20(7), 557–585.
出版物の文献を開くコピーしました。