消費者心理学のための統計学 市場調査と新商品開発 心理学のための統計学8

齋藤朗宏(著者), 荘島宏二郎(著者)

• 販売会社／発売会社: 誠信書房
• 発売年月日: 2022/09/15
• JAN: 9784414301946

商品レビュー

2026/02/20

【次元数と図、各種分析との関係】
　カテゴリ間の関係は、「n（カテゴリ変数の数）− 1次元」の空間がなければ正確には図示できない。つまり、人間に見ることができるのは4次元までなので、コレスポンデンス分析などでは、できるだけ情報の損失がないように次元縮約を行い、少ない次元での表現を目指す。

【クラスター分析】
　クラスター分析では、変数を分類する場合と回答者を分類する場合とがある。

　階層的クラスター分析が有効なのは、データの規模が限られる場合であり（データの規模が大きいと、視覚的な解釈が困難）、非階層クラスター分析ではk-means法がメジャーである。

　クラスター間距離の測定法には最近隣法（階段上にクラスターが連結される形になりやすい）や最遠隣法（逆に、新たなクラスター連結が生まれにくい）やウォード法（最小分散法）（併合したことによって増大するクラスター内での各対象の散らばりの大きさが最小となるようなクラスターを選ぶ）などがある。

　上記のような「距離の測定法」以前に、その「距離をどう定義するか」といった段階でも多様な方法が提案されている。

【多項ロジットモデル】
　ロジスティック回帰分析は2項ロジットモデルとも呼ばれ、基準変数（従属変数）が2値変数のときに用いられ、予測式は直線ではなくS時型の曲線を描く。多項ロジットモデルの場合、基準変数は3つ以上である。

　多項ロジットモデル（ロジスティック回帰分析を含む）では、「Aの確率はAでない確率の何倍か」ということをオッズで表現し、予測変数（独立変数）が1上昇したときオッズの倍率（つまり、オッズ同士の比）をオッズ比として表現する。ここで、「位置」や「傾き」は、通常の回帰分析における「切片」と「傾き」の役割と似ているが、通常の回帰分析における単純な解釈はできない（つまり、xの値が0の場合のyの値が切片、xの値が1大きくなったときのyの増分が傾き、という単純な関係ではない）ため、注意が必要である。ロジットモデルの比率に基づく予測式は曲線であり、その増分は一定ではないため、描画しながら傾きの値の意味を解釈すべきである。また、多項ロジットモデルにおけるオッズ比は、基準として設定した変数との比較に基づく相対的な値であることに注意が必要である。

　多項ロジットモデルは、基準（比較したい対象）が明確である場合に特に有効である。

【一対比較法】
　カーネマンのプロスペクト理論によると、人は物事を絶対的な値で評価するよりも、基準となる値との比較で相対的に理解する方が得意であるため（参照点依存性）、一対比較法は人間の認知特性に適った方法である。ただし、一対比較法では、扱う回答カテゴリ数に応じて回答者に求める評価（回答）の回数が爆発的に増大することが難点である。使用場面は限定的ではあるものの、目的と条件が揃えば、かなり有効な調査手法であろう。