内容的妥当性，構造的妥当性と仮説検定の評価

内容的妥当性，構造的妥当性
と仮説検定の評価
竹林由武
広島大学総合学研究科博士課程後期３年
患者報告式アウトカム尺度の評価法:
信頼性と妥当性の新しい国際基準COSMINチェックリストの使い方
公益社団法人日本心理学会
心理・医学系研究者のためのデータ解析環境Rによる統計学の研究会
第10回研究集会
2012/5/18 (土) 13:20~17:45
東京医科歯科大学

妥当性
表面的
妥当性
構成概念
妥当性
仮説検定
異文化
妥当性
構造的
妥当性
基準関連
妥当性
(併存•予測的)
内容的
妥当性
構成
内容的妥当性
(Box D)
構造的妥当性
(Box E)
仮説検定
(Box F)
2

妥当性
表面的
妥当性
構成概念
妥当性
仮説検定
異文化
妥当性
構造的
妥当性
基準関連
妥当性
内容的
妥当性
構成
(Box D)
(Box E)
仮説検定
(Box F)表面的妥当性：
尺度の項目が，目的とした構成概念を十分に反映しているように，
確かに思える程度
(項目の第一印象で明らかに的外れな項目がないか)
内容的妥当性：
尺度の内容が目的とした構成概念を十分に反映している程度
3

1. 全項目が構成概念の側面を反映しているか。
e. g., 無駄な項目がないか
2. 全項目が目的とする母集団と関連しているか。
e. g., 年齢，性別，疾患の特性，国，セッティング
3. 全項目が測定指標の目的と関連しているか。
e. g., 他の疾患との鑑別，重症度の評価，スクリーニング
4. 構成概念が包括的に項目に反映されているか。
e. g., 項目に漏れがないか
評価項目 ※共通項目は除く
内容的妥当性構造的妥当性仮説検証
4

e. g., 無駄な項目がないか
e. g., 年齢，性別，疾患の特性，国，セッティング
e. g., 他の疾患との鑑別，重症度の評価，スクリーニング
e. g., 項目に漏れがないか
評価項目
項目と概念の関連性
項目と概念の包括性
5

項目 Excellent Good Fair poor
評価あり記述が乏しい評価なし
10人以上で
評価
5-9人以上で
評価
5人以下で
評価評価なし
評価あり
目的記述なし
推測可能評価なし
評価あり
理論的
背景なし評価なし
４件法で各項目を評定項目の評価
6

① 概念モデルと母集団に関する情報の検討
文献のレビュー
② 測定指標の内容に関する情報の検討
指標に関する全ての情報を開示すべき
装置，測定方法/手続き，スコアリング法
質問紙であれば全ての項目，教示，回答方式
③ 専門家パネル (expert panel)の選択
自己報告式アウトカムの場合，患者は疾患の専門家
④ 測定指標の内容と構成概念の対応を評価
検討手続き
7

事例慢性閉塞性肺疾患(COPD)者のQOL尺度
Scale content was generated from qualitative, unstructured interviews
conducted with patients with COPD in the UK and focus groups with patients
in the USA. The interviewees and focus group participants were encouraged
to talk at length about their experience of COPD and the impact of the
disease on all areas of their life.
Audio recordings were made of the interviews and focus group discussions.
These were transcribed, and each interview was subjected to content analysis
by at least two experienced qualitative researchers to identify statements
expressing the impact of LCOPD on patient’s lives.
The needs-based model of QoL were employed for the LCOPD [13]. This model
asserts that QoL is dependent on an individual’s ability to fulfil his or her
fundamental needs and that QoL is good when most needs are met and poor
when they are not.
モデルの選択⇒QOLの欲求ベースモデルを採用
患者への面接による項目収集
専門家の判断による項目の吟味
McKenna SP et al: Qual Life Res (2011) 20:1043–1052
8

事例慢性閉塞性肺疾患(COPD)者のQOL尺度
It was clear from the interviews that COPD has a considerable adverse impact on
many aspects of the lives of affected individuals. Figure 1 shows the conceptual
framework for the LCOPD, illustrating how the issues raised during the
interviews relate to needs and quality of life impact.
患者へのインタビューから，COPD患者のQOLモデルを構築
Cognitive debriefing interviews
were conducted with 19 patients
in the UK and 16 in the USA.
Demographic details of the
sample are shown in Table 1. The
questionnaires were well
received by participants who
found them relevant,
comprehensible, easy and quick
to complete.
項目の関連性・包括性を患者が確認
McKenna SP et al: Qual Life Res (2011) 20:1043–1052
9

事例患者の報告が包括性に重要
Jonesa, P et al: Primary Care Respiratory Journal (2009); 18(3): 208-215
文献レビューによる概念の定義
専門家への電話面接によって患者
の健康の指標となる項目を聴取
患者のインタビューに基づく項目と
専門家による項目の確認
項目の作成手順
10

妥当性
表面的
妥当性
構成概念
妥当性
仮説検定
異文化
妥当性
構造的
妥当性
基準関連
妥当性
内容的
妥当性
構成
(Box D)
(Box E)
仮説検定
(Box F)
構造的妥当性：
尺度の得点が，
目的とした構成概念の次元を
妥当に反映している程度
11

1．reflective modelに基づいているか
4. 解析に用いたサンプル数が適切か
6. 古典的テスト理論:
探索的 or 検証的因子分析が実施されたか
7. 項目反応理論:
IRTは項目の1次元性を決定するために実施されたか
12

項目の評価：
formative model reflective model
ライフ
ストレス
η
Y1: 将来の心配
Y2: 睡眠への支障
Y3:心拍の亢進
ライフ
ストレス
η
X1: 職の喪失
X2:家族の死
X3:離婚
ε
ε
ε
ε
formative reflective
因果項目⇒概念概念⇒項目
測定モデル主成分分析 CTT, IRT
概念の変化は全ての項目に
影響を与える
概念の変化に，全ての項目の
変化が寄与するとは限らない
13

項目の評価：
formative model reflective model
ライフ
ストレス
η
Y1: 将来の心配
Y2: 睡眠への支障
Y3:心拍の亢進
ライフ
ストレス
η
X1: 職の喪失
X2:家族の死
X3:離婚
ε
ε
ε
ε
formative reflective
因果項目⇒概念概念⇒項目
測定モデル主成分分析 CTT, IRT
概念の変化は全ての項目に
影響を与える
概念の変化に，全ての項目の
変化が寄与するとは限らない
以下の項目はスキップ
14

項目の評価：
評価サンプル数
□Excellent 項目数×7かつ100以上
□Good 項目数×5 かつ100以上
項目数×7かつ100以下
□Fair 項目数×5 かつ100以下
□Poor 項目数×5以下
15

項目の評価：
6. 古典的テスト理論
□Excellent 探索or検証的因子分析を実施
かつその選択が適切
□Good 検証的因子分析の方が適切だが探索
的因子分析を実施している
□Fair
□Poor 因子分析なし
16

共通因子
因子負荷量
観測変数
独自因子
因子分析モデル
31313
21212
11111






FY
FY
FY
Y2Y1 Y3
F1
ε1 ε2 ε3
λ11 λ21 λ31
古典的テスト理論による前提
①誤差の平均は0
②独自因子間は無相関
③共通・独自因子は無相関
因子負荷量共通因子から観測変数(項目得点)への影響
独自因子各独自因子から観測変数(項目得点)への影響
17

因子分析モデル
item
5
item
6
item
2
item
1
item
3
item
4
f1 f2
EFA
・新しい尺度の開発
・因子数・因子間相関の理論的根拠が弱い
・項目の削減⇒短縮版の作成
妥当性の検討という観点では，
CFAの実施が適切
CFA
item
5
item
6
item
2
item
1
item
3
item
4
f1 f2
探索的因子分析検証的因子分析
因子構造の仮説生成が目的因子構造の仮説検証が目的
18

・事例
Explanatory factor analysis (EFA)
was used to examine the
dimensionality of the item set
measuring the underlying construct,
because the results suggested
insufficient model fit [27, 28].
S. A. M. Stevelink et al: Qual Life Res (2013) 22:137–144
(ＥＦＡとCFAの使い分け)
ＣＦＡで理論に基づき因子構造を検討
ＣＦＡの結果が不良
ＥＦＡで探索的に検討
19

構造方程式
潜在変数→潜在変数
観測変数→観測変数
観測変数→潜在変数
検証的因子分析
・構造方程式モデリング (structural equation modeling)
測定方程式に基づく因子分析＋構造方程式に基づくパス解析
測定方程式：
潜在変数が観測変数に
与える影響を記述
を記述
Y5Y4Y6
F1
ε4ε5ε6
λ11λ21λ31
Y2Y1Y3
F2
ε1ε2ε3
λ12λ22λ32
20

共分散構造分析
観測データの共分散行列とモデルの共分散行列
の相違を最小化するパス係数を求める
(最尤推定法or加重最小二乗法)
),(min

Sf
パス係数(因子負荷量)の推定
適合度の検討
データのモデルに対するあてはまりの良さを評価する
Y2Y1 Y3
F1
ε1 ε2 ε3
λ11 λ21 λ31
データ
21

共分散構造分析
適合度指標
絶対的指標：データとモデルの共分散行列の類似度
(absolute indices)
増分的指標：独立モデルと比較して，分析モデルによって
(incremental indices) データの適合が改善した度合い
倹約的指標：モデルの複雑さを考慮した，モデルのデータ
(parsimonious indices) に対する近似度
指標内容基準
SRMR モデルで説明できなかった分散の大きさ .08以下
CFI 自由度を考慮した乖離度の改善の大きさ .95以上
RMSEA 1自由度あたりの乖離度の大きさ .05以下
Ralph, O et al (2008): The Reviewer‘s Guide to Quantitative Methods in the Social Sciences
22

事例 (適合度指標)
Four practical fit indices were used to evaluate model fit: the
Tucker-Lewis index (TLI), the comparative fit index (CFI), the root
mean square error of approximation (RMSEA), and the standardized
root-mean-square residual (SRMR). Guidelines proposed by Hu
and Bentler (13) suggest that models with TLI and CFI close to
0.95 or higher, RMSEA close to 0.06 or lower, and SRMR close
to 0.08 or lower are representative of good-fitting models.
方法の節 (指標の適合基準の参照元を明示する)
結果の節(他のモデルと比較して仮説モデルが妥当か評価)
Thombs et al: Arthritis & Rheumatism Vol. 59, No. 3, March 15, 2008, pp 438–443
23

事例 (高次(2次)因子モデルの適用)
Thombs et al: Arthritis & Rheumatism Vol. 59, No. 3, March 15, 2008, pp 438–443
hopeful
good
unfriendly
disliked
enjoy
happy
IP PA S/V DA
sleep
effort
Getgoing
Talkedless
appetite
botjered
mind
lonely
fearful
sad
cry
depressed
Blues
failure
Depressive
symptom
1次因子間の相関を少数の2次因子で説明
適用ケース
＞上位概念が想定される場合
＞因子間相関が高い場合
Second-order factors are global
factors composed of all of the first-
order factors (e.g., depressed affect,
somatic/vegetative, (lack of) positive
affect, and interpersonal) that
provide a mechanism to test the
plausibility that a single overarching
construct is being measured.
方法の節 (高次因子分析)
24

探索的因子分析
・回転方法の選択
5 621 3 4
f1 f2
直交回転
(orthogonal rotation)
5 621 3 4
f1 f2
斜交回転
(oblique rotation)
因子間相関を仮定因子間相関をしない
斜交回転で検討し，因子間相関が低ければ直交回転で再検討
(Henson et al: Educ Psychol Meas 66: 393-416, 2006 13)
25

・因子数の選択
平行分析 (parallel analysis)
実データの固有値>乱数データの固有値となる最大因子数
最小平均偏相関 (Minimum average Partial Correlation: MAP)
主成分分析の第一成分を統制変数とし，
観測変数間の偏相関行列，偏相関係数の平均平方を
繰り返しも求め，平均平方が最小となる主成分を因子数にする
複数の因子数決定法を用いて因子数を判断すべき
e.g. ) 平行分析＋MAP＋解釈可能性
26

library(psych)
peason.cor<-cor(dat,use="complete.obs")
fa.parallel(peason.cor,n.obs=1000)
27
library(psych)
fit1<-fa(dat, nfactors=2, fm="ml", rotate="promax")
# nfactors=因子数
# fm=推定法
# rorate=回転法
print(fit1, cutoff=0, sort=TRUE)
library(psych)
VSS(dat, n=10, plot=TRUE)
# n=最大因子数
1 2 3 4 5 6
0.00.51.01.52.02.5
Parallel Analysis Scree Plots
Factor Number
eigenvaluesofprincipalcomponentsandfactoranalysis
PC Actual Data
PC Simulated Data
FA Actual Data
FA Simulated Data
平行分析
最少平均偏相関
２因子モデルのEFA(最尤法)

・事例方法の節
To minimize potential for over- or under-identification of factors,
parallel analysis (e.g., Brown, 2006) and Velicer‘s MAP (Velicer,
1976) were computed. Parallel analysis computes randomly
generated data sets to specifications and compares the obtained
eigenvalues in the raw data to those obtained by chance (see
O’Connor, 2000; Brown, 2006). Velicer‘s MAP is a step-wise
process whereby components are partialed out of the correlation
matrix sequentially. The step corresponding to the lowest partial
squared correlation indicates the number of components (see
Velicer, 1976; O’Connor, 2000). Parallel analysis using normally
distributed random data generated 1000 datasets limited to the
95th percentile with principal components analysis (O‘Connor,
2000).
N.T. Van Dam, M. Earleywine: Psychiatry Research 186 (2011) 128–132
28

・事例結果の節
N.T. Van Dam, M. Earleywine: Psychiatry Research 186 (2011) 128–132
Parallel analysis suggested four roots with eigenvalues larger than what would
be obtained by chance. Velicer's MAP revealed a smallest average squared partial
correlation of 0.020 on step two suggesting two underlying components.
Maximum Likelihood estimation using promax rotation limited to two-, three-,
and four-factor solutions was used to explore factor loadings. Examination of
the three- and four factor solutions revealed inconsistencies with theoretical
considerations and optimal psychometric properties (see Brown, 2006). Both
solutions suggested a factor containing only three items (1, 5, 19) related to appetite
and sleep. This factor excluded another item related to sleep (11) and one related
to weight changes (18), suggesting substantive inconsistencies.
The two-factor solution was both theoretically and psychometrically consistent,
suggesting one factor related to negative mood and another factor related to
functional impairment.
平行分析で４因子・MAPで２因子
３・４因子は理論的と不一致
２因子解が理論・統計的な一貫性が良い
29

項目の評価：
7. 項目反応理論:
□Excellent 項目の次元性評価のためにIRTを実施
している
□Good
□Fair
□Poor 項目の次元性評価のためにIRTを実施
していない
30

IRTにおける次元性の評価:
IRTでは項目群の1次元性が前提 ( 1因子構造)
IRTの統計モデル=質的変数の因子分析モデル
質的変数の因子分析
1.名義・順序尺度の相関行列に基づく
2. 加重最小二乗法による推定 Y2Y1 Y3
F1
ε1 ε2 ε3
λ11 λ21 λ31
名称変数の組み合わせ
多分相関係数 (polychoric correlation) 順序変数ー順序変数
重双相関係数 (polyserial correlation) 順序変数ー連続変数
四部相関係数 (tetrachoric correlation) ２値変数ー２値変数
31

質的変数の相関イメージ(テトラコリック相関)
a b
c
d
t1
t2
y1
y2
評定者２
うつ病無うつ病あり
評定者１
うつ病無 a b a+b
うつ病あり c d c+d
a+c b+d 1
③クロス集計表の実測値と近似する
楕円の範囲を推定 (２段階最尤推定法)
②2者の評定によるクロス集計表①名義(2値)尺度の背後に連続量を仮定
In contrast to a classical CFA which uses the
covariance matrix, CFA uses the polychoric
correlations. We used the weighted least squares
(WLS) method of estimation.
論文での記載事例(質的因子分析)
Mokkink et al (2011): Multiple Sclerosis Journal 17(12) 1498–1503
32

カテゴリカル探索的因子分析
library(polycor)
poly.cor<-polychoric(dat2)
poly.cor$rho
33
library(psych)
fit2<-fa(poly.cor$rho, nfactors=2,
fm=“WLS”,
rotate="promax")
print(fit2, cutoff=0, sort=TRUE)
ポリコリック相関
２因子モデルのEFA

妥当性
表面的
妥当性
構成概念
妥当性
仮説検定
異文化
妥当性
構造的
妥当性
基準関連
妥当性
内容的
妥当性
構成
(Box D)
(Box E)
仮説検定
(Box F)
仮説検定：
尺度が目的とした構成概念を妥当に測
定している前提から導かれる仮説と尺
度の得点が一致している程度
34

仮説検証の主要な目的:
収束的妥当性 (convergent validity)
理論的に関連の強い構成概念を測定する指標と相関が高い
弁別的妥当性 (discriminant validity)
理論的に関連の弱い構成概念を測定する指標と相関が弱い
群間で測定指標の得点に差がある
35

3. 解析に用いたサンプルは適切か
4. 相関・群間差に関する仮説が事前に設定されているか
5. 仮説に相関・平均差の「方向性」が含まれているか
6. 仮説に相関・平均差の「程度」が含まれているか
7. 比較尺度が適切に記述されているか
8. 比較尺度のプロパティが適切に記述されているか
10. 仮説検証に適切な統計手法・計画が用いられているか
36

項目の評価：
□Excellent 各解析につき100以上
□Good 各解析につき50-99以上
□Fair 各解析につき30-49以上
□Poor 各解析につき30以下
37

項目の評価：
4-6. 事前の仮説設定
項目４
□Excellent 複数の仮説を事前に定式化
□Good 最小限の仮説を事前に定式化
□Fair 仮説があいまい
仮説設定なしだが演繹可能
□Poor 予測が不明確
項目5-6
□Excellent 相関・差の方向性(程度)を仮説に含む
□Good 相関・差の方向性(程度)を仮説に含まない
□Fair 評価なし
□Poor 評価なし
38

相関・平均値差の大きさの基準
基準
検定指標小中大
d 群 d, g, Δ .20 .50 .80
r 群 r .10 .30 .50
R2 .02 .13 .26
η2 .01 .06 .14
ω2 .01 .09 .25
Cohen (1992)他

項目の評価：
7-8. 比較尺度の適切な記述
項目7
□Excellent 比較尺度の測定概念を適切に記述
□Good 比較尺度の測定概念の大部分を適切に記述
□Fair 比較尺度の概念の記述が乏しい
□Poor 比較尺度の概念の記述なし
項目8
□Excellent 当該研究と同様の母集団における比較尺度
の特性が適切に記述されている
□Good 比較尺度の特性が適切に記述されているが，
本研究の母集団への適用は不確か
□Fair 何らかの母集団での尺度特性またはそのレ
ファレンスに関する情報がある
□Poor 比較尺度のプロパティに関する情報なし
40

項目の評価：
10. 計画・統計手法の適切性
項目10
□Excellent 統計的手法が適切に用いられている
□Good 統計的手法の適切性を推測可能
（e.g., ピアソンの相関を使用しているが得点の分布や平均
や標準偏差は呈示されていない）
□Fair 最適な統計手法が用いられていない
□Poor 統計的手法が適切に用いられていない
41

① 概念の記述
② 仮説の定式化
③ 比較尺度 or 対象群を記述
④ データ収集
⑤ 結果と仮説の整合性を評価
⑥ 結果の説明
検討手続き
42

② 仮説の定式化: 事例
The hypotheses were based on the literature and theoretical
considerations and were agreed on by all authors before
they were tested. As in previous observations, we did not
expect to find correlation coefficients of more than 0.50. If a
relationship was anticipated, we expected to find correlation
coefficients between 0.21 and 0.50. These cutoff values were
arbitrarily chosen, but are in line with general recommendations
for weak associations. 53,54
仮説 (方向性・程度を含む)仮説 (方向性・程度を含む)
Apeldoorn et al: Clin J Pain Volume 28, Number 4, May 2012
程度の基準を明記
43

事例：仮説設定
Several studies have concluded that there is a link between high
Waddell scores and depression,15,17,31,37,50 but 1 other study found no
association.33 In this study, depression was measured with the Dutch
translation of the Beck Depression Inventory (BDI).67,68 The BDI
consists of 21 graded items, ranging in severity from 0 to 3. It has
good psychometric properties for the measurement of depression,
but in patients with CLBP a confounding effect has been found for 3
items measuring somatic symptoms.69 In this study, we expected to
find a positive association between high Waddell scores and
elevated BDI scores.
比較尺度の特性および仮説
Apeldoorn et al: Clin J Pain Volume 28, Number 4, May 2012
44

多特性・多方法行列
(multitrait-multimethod matrix:MTMM)
複数の特性を複数の方法で測定した尺度得点間の相関行列から，
信頼性・収束的妥当性・弁別的妥当性をまとめて評価
http://stats.stackexchange.com/questions/9918/how-to-compute-correlation-between-within-groups-of-variables
信頼性の指標
通常相関係数は1なので，
ここには信頼性係数(αなど)
を代入する。
同一概念・同一方法の相関
併存的妥当性の指標
同一概念・異方法の相関
Campbell, D. T. & Fiske, D.W. (1959). Convergent and discriminant validation by
the multitrait-multimethod matrix. Psychological Bulletin, 56, 81-105
45

複数の特性を複数の方法で測定した尺度得点間の相関行列から，
信頼性・収束的妥当性・弁別的妥当性をまとめて評価
http://stats.stackexchange.com/questions/9918/how-to-compute-correlation-between-within-groups-of-variables
弁別的妥当性の指標
同一概念・異なる方法の相関より
も弱ければ良い
異概念・異方法の相関
異概念・同一方法の相関
測定方法の影響性の指標
(method factor)
同一概念・異方法の相関よりも強いと
測定方法による影響が強い
46

47
Correlation plot
C3B3A3C2B2A2C1B1A1
A1 B1 C1 A2 B2 C2 A3 B3 C3
22 24 67 29 17 75 36 34 100
20 64 15 26 64 24 39 100 34
55 23 19 66 24 23 100 39 36
22 28 68 19 9 100 23 24 75
20 58 13 21 100 9 24 64 17
59 24 21 100 21 19 66 26 29
37 48 100 21 13 68 19 15 67
29 100 48 24 58 28 23 64 24
100 29 37 59 20 22 55 20 22
-1
-0.8
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
0.8
1
cor.plot (cor.matrix,numbers=T)

SEMによるMTMM
B1A1 C1
trait A
B2A2 C2
trait B
B3A3 C3
trait C
method
1
method
2
method
3
model 1: 多特性・多方法モデル (加法モデル)
freely correlated trait and method
Byrne, B. M. (2011). Structural Equation Modeling with Mplus: Basic Concepts, Applications,
and Programming (Multivariate Applications Series). Routledge Academic 48

SEMによるMTMM (比較モデル)
model 2: 特性を想定しないモデル
no trait – freely correlated method
B1A1 C1 B2A2 C2 B3A3 C3
method
1
method
2
method
3

SEMによるMTMM(比較モデル)
model 3: 概念の弁別性を想定しないモデル
perfectly correlated traits – freely correlated methods
B1A1 C1
trait
B2A2 C2 B3A3 C3
method
1
method
2
method
3

SEMによるMTMM (比較モデル)
model 4: 測定方法の違いを想定しないモデル
freely correlated traits – perfectly correlated methods
B1A1 C1
trait A
B2A2 C2
trait B
B3A3 C3
trait C
method

SEMによるMTMM
>
model 1 model 2
収束的妥当性がある場合
B1A1 C1
trait A
B2A2 C2
trait B
B3A3 C3
trait C
method
1
method
2
method
3
B1A1 C1 B2A2 C2 B3A3 C3
method
1
method
2
method
3
52
Langer et al. (2010). Child Psychiatry and Human
Development, 41, 549–561.

SEMによるMTMM
>
弁別的妥当性がある場合
model 1
model 2
model 3
B1A1 C1
trait
B2A2 C2 B3A3 C3
method
1
method
2
method
3
B1A1 C1
trait A
B2A2 C2
trait B
B3A3 C3
trait C
method
B1A1 C1
trait A
B2A2 C2
trait B
B3A3 C3
trait C
method
1
method
2
method
3
53

B1A1 C1
trait A
B2A2 C2
trait B
B3A3 C3
trait C
e
1
e
2
e
3
e
4
e
5
e
6
e
7
e
8
e
9
MTMM modelは”解が収束しない/不適解”がよく生じる
代替法 ⇒ correlated uniqueness model(CUM)
SEMによるMTMM
Kenny, D. A. & Kashy, D. A. Psychological Bulletin, Vol 112(1), Jul 1992, 165-172.54

SEMによるMTMM
55
library(lavaan)
model1<- ‘ m1=~1*A1+B1+C1
m2=~1*A2+B2+C2
m3=~1*A3+B3+C3
t1=~1*A1+A2+A3
t2=~1*B1+B2+B3
t3=~1*C1+C2+C3
m1~~ 0*t1
m1~~ 0*t2
m1~~ 0*t3
m2~~ 0*t1
m2~~ 0*t2
m2~~ 0*t3
m3~~ 0*t1
m3~~ 0*t2
m3~~ 0*t3‘
fit.model1<-lavaan:::cfa(model1, data=dat)
summary(fit.model1,fit.measures = TRUE)
library(lavaan)
model5<-'t1=~1*A1+A2+A3
t2=~1*B1+B2+B3
t3=~1*C1+C2+C3
A1~~ B1
A1~~ C1
B1~~ C1
A2~~ B2
A2~~ C2
B2~~ C2
A3~~ B3
A3~~ C3
B3~~ C3'
fit.model5<-lavaan:::cfa(model5, data=dat)
summary(fit.model5,fit.measures = TRUE)
CUMMTMM

SEMによるMTMM
56
CUMの解析結果

内容的妥当性の検討
専門家パネル・患者の評価に基づき，概念モデルとの
関連性・包括性が担保された項目で尺度が構成されて
いるかチェック
構造的妥当性の検討
概念モデルの適合性を因子分析によってチェック
仮説検証 (収束的・弁別的妥当性の検討)
他の尺度との理論的関連性に基づき，事前に相関・差の
方向性・程度に関する仮説を設定し，検証．
Summary
57

Apeldoorn, A. T., Ostelo, R. W., Fritz, J. M., van der Ploeg, T., van Tulder, M. W., & de Vet, H. C. (2012). The cross-
sectional construct validity of the Waddell score. Clinical Journal of Pain, 28, 309-17.
and Programming (Multivariate Applications Series). Routledge Academic
Campbell, D. T. & Fiske, D.W. (1959). Convergent and discriminant validation by the multitrait-multimethod matrix.
Psychological Bulletin, 56, 81-105.
Henson, R. K. & Roberts, J. K. (2006). Use of exploratory factor analysis in published research: common errors and
some comment on improved practice. Educational and Psychological Measurement, 66, 393-416.
Jones, P., Harding, G., Wiklund, I., Berry, P., & Leidy, N. (2009). Improving the process and outcome of care in
COPD: development of a standardized assessment tool. Primary Care Respiratory Journal, 18, 208-215.
Kenny, D. A. & Kashy, D. A. (1992). Analysis of the multitrait-multimethod matrix by confirmatory factor analysis.
Psychological Bulletin, 112, 165-172.
Langer, D. A., Wood, J. J., Bergman, R. L., & Piacentini, J. C. (2010). A Multitrait–Multimethod Analysis of the
Construct Validity of Child Anxiety Disorders in a Clinical Sample. Child Psychiatry and Human Development,
41, 549–561.
McKenna, S. P., Meads, D. M., Doward, L. C., Twiss, J., Pokrzywinski, R., Revicki, D., Hunter, C. J., &
Glendenning, G. A. (2011) Development and validation of the living with chronic obstructive pulmonary disease
questionnaire. Qualty of Life Research, 20, 1043–1052
Mokkink, L. B., Knol, D. L., & Uitdehaag, B. M. J. (2011). Factor structure of Guy's Neurological Disability Scale in
a sample of Dutch patients with multiple sclerosis. Multiple Sclerosis Journal, 17, 1498–1503.
Meuller R. O. & Hancock, G. R. (2010). Structural equation modeling. G. R. Hancock & R. O. Mueller (Eds.), The
reviewer's guide to quantitative methods in the social sciences. New York: Routledge, Pp. 371-383.
Stevelink, S. A. M., Terwee, C. B., Banstola, N., & van Brakel, W. H. (2013). Testing the psychometric properties of
the Participation Scale in Eastern Nepal. Quality of Life Research, 22, 137–144.
Thombs, T. B., Hudson, M., Schieir, O., Taillefer, S. S., & Baron, M. (2011). Reliability and validity of the center for
epidemiologic studies depression scale in patients with systemic sclerosis. Arthritis Care & Research, 59, 438–443.
Van Dam, N. T. & Earleywine, M. (2011). Validation of the Center for Epidemiologic Studies Depression Scale-
Revised (CESD-R): pragmatic depression assessment in the general population. Psychiatry Research, 30, 128-132.
Vet, H. C. W., Terwee, C. B., Mokkink, L. B., & Knol, D. J. (2011) Measurement in medicine. A practical guide.
Cambridge: Cambridge University Press.
Reference
58

内容的妥当性，構造的妥当性と仮説検定の評価

Recomendados

Recomendados

Más contenido relacionado

La actualidad más candente

La actualidad más candente (20)

Destacado

Destacado (20)

Similar a 内容的妥当性，構造的妥当性と仮説検定の評価

Similar a 内容的妥当性，構造的妥当性と仮説検定の評価 (20)

Último

Último (11)

内容的妥当性，構造的妥当性と仮説検定の評価