R初心者ですが、Rで構造方程式モデリング（共分散構造分析）をやってみます。
構造方程式モデリングを使うことで、重さや長さなどの直接観測可能な因子のみならず、
「先高感」「ブランドイメージ」などのように直接測定出来ない特性である構成概念（潜在因子）を含めて
各因子間の相関関係の強弱を可視化することができます。
多変量データに潜む共通因子を探り出すための手法である因子分析と
予測を行う重回帰分析を同時に行うことができるのが特徴です。
具体的にどのような用途に使えるかというと、
KGIに紐づく、多数のKPIがあるような場合にKPI間の相関関係の強弱をモデリング（図示化）することができるため、
今後の企業戦略を決定する際にどのKPIに注力すればよいかの参考になります。
Rのインストール
以下のサイトからお使いのOS（Windows, OSX, Linux）に合わせてインストールします。
https://cran.ism.ac.jp/
Mac OSXの場合は、pkgファイルでサクッとインストールできます。
うまくインストールできていればRコマンドでRのインタプリタが起動します。
.sh
$ R
R version 3.5.2 (2018-12-20) -- "Eggshell Igloo"
Copyright (C) 2018 The R Foundation for Statistical Computing
Platform: x86_64-apple-darwin15.6.0 (64-bit)
R は、自由なソフトウェアであり、「完全に無保証」です。
一定の条件に従えば、自由にこれを再配布することができます。
配布条件の詳細に関しては、'license()' あるいは 'licence()' と入力してください。
R は多くの貢献者による共同プロジェクトです。
詳しくは 'contributors()' と入力してください。
また、R や R のパッケージを出版物で引用する際の形式については
'citation()' と入力してください。
'demo()' と入力すればデモをみることができます。
'help()' とすればオンラインヘルプが出ます。
'help.start()' で HTML ブラウザによるヘルプがみられます。
'q()' と入力すれば R を終了します。
>
Rのライブラリインストール
RのライブラリはCRAN(Comprehensive R Archive Network)と呼ばれる
Rのパッケージネットワークがあり、各国別のミラーサイト経由でライブラリをインストールすることができます。
CRANに登録されているライブラリは次のコマンドでインストールできます。
# ダウンロード＆インストール
install.packages("ライブラリ名")
# 使うとき（インポート）
library("ライブラリ")
Rファイルから実行
test.Rを作成します。
test.R
x <- 'Hello World!!'
x
Rのインタプリタからファイルを指定して実行します。
source('test.R')
CSVファイルの読み込み
適当なCSVを作成します。
test.csv
gender,height,weight
F,158,51
F,162,55
M,177,72
M,173,57
M,166,64
組み込みのread.csv関数で読み込みできます。
x <- read.csv("test.csv")
構造方程式モデリングとは？
ちょっと古いですが、わかりやすいです。
[R言語で構造方程式モデリング その1]
(http://d.hatena.ne.jp/yokkuns/20110504/1304475910)
上記の方法だと因子の相関行列を作成する必要があるのですが、
lavaanというパッケージを使うことで相関行列の作成の過程を飛ばしてモデリングできます。
前提として変数（因子）間の相関関係が自明、もしくは相関関係の仮説が立てられている必要があります。（確証的因子分析）
[いきなり因子分析（その6）：lavaanを使って確証的因子分析]
(http://nekomosyakushimo.hatenablog.com/entry/2018/07/16/214401)
サンプル
Graphvizにてグラフ描画します。
lavaanのsemはフォーマットが違うため、Graphvizでグラフ描画するためにはフォーマットを変換する必要があります。
参考：[lavaanからsemへ変換]
(http://www.pu-hiroshima.ac.jp/~ttetsuji/R/[83]lavaan2sem.html)
関連パッケージをインストールします。
# lavaan
install.packages('lavaan')
# semの描画ライブラリ
install.packages('semPlot')
# Graphpiz
install.packages('DiagrammeR')
# phantomjsでhtmlのスクショを取るライブラリ
install.packages('webshot')
webshot::install_phantomjs()
test.csvのデータを読み込み、
モデルを作成してグラフ描画してみます
model.R
# data読み込み
input <- read.csv("test.csv")
head(input)
# モデル定義を作る(データによって異なる)
createModel <- function() {
# 変数名 ∼ 依存変数
# + 依存変数の合成
return ("
bwt ~ age + lwt + smoke
lwt ~ age
")
}
# lavaanでSEM
library(lavaan)
library(semPlot)
model.l <- createModel()
res.l <- lavaan(model.l, data = input, auto.var = TRUE)
summary(res.l, standardized = TRUE)
# semPlotで描画
semPaths(res.l)
# graphvizで描画するためにフォーマット変換する
formatSem <- function(param) {
tmp <- semPlotModel(param)
pars <- tmp@Pars
pars$label <- paste0("par",1:length(pars$par))
pars$edge[pars$edge == "~>"] <- "->"
tmp.m <- paste(paste(pars$lhs, pars$edge, pars$rhs), pars$label, pars$est, sep = ",", collapse = "\n")
return (
sem::specifyModel(textConnection(tmp.m))
)
}
model.s <- formatSem(res.l)
model.s
# pathDiagramでパス図の作成
res.s <- sem::sem(model.s, data = input)
g <- sem::pathDiagram(res.s,edge.labels="both")
library(DiagrammeR)
library(htmlwidgets)
library(webshot)
# グラフのhtml作成
saveWidget(grViz(g), file = "path.html")
# phontomJSでスクリーンショット
webshot("path.html", file = "path.png")
test.csvは次のようなデータです。
data(birthwt, package="MASS")をcsv形式に変換しました
MASS（Modern Applied Statistics with S）に出てくるデータです。
low: 生まれたときの体重が2.5kgを下回っているかいないか(0/1)
age: 母親の年齢
lwt: 最後の月経時の母親の体重
race: 白人/黒人/その他
smoke: 妊娠時にタバコを吸っているか(0/1)
ptl: 以前の早産の数
ht: 高血圧の病歴（0/1）
ui: 子宮過敏性（0/1）
ftv: 妊娠中期における医師の診察回数
bwt: 実際の出生時体重（g）
test.csv
,low,age,lwt,race,smoke,ptl,ht,ui,ftv,bwt
85,0,19,182,2,0,0,0,1,0,2523
86,0,33,155,3,0,0,0,0,3,2551
87,0,20,105,1,1,0,0,0,1,2557
88,0,21,108,1,1,0,0,1,2,2594
89,0,18,107,1,1,0,0,1,0,2600
91,0,21,124,3,0,0,0,0,0,2622
92,0,22,118,1,0,0,0,0,1,2637
93,0,17,103,3,0,0,0,0,1,2637
94,0,29,123,1,1,0,0,0,1,2663
95,0,26,113,1,1,0,0,0,0,2665
96,0,19,95,3,0,0,0,0,0,2722
97,0,19,150,3,0,0,0,0,1,2733
98,0,22,95,3,0,0,1,0,0,2751
99,0,30,107,3,0,1,0,1,2,2750
100,0,18,100,1,1,0,0,0,0,2769
101,0,18,100,1,1,0,0,0,0,2769
102,0,15,98,2,0,0,0,0,0,2778
103,0,25,118,1,1,0,0,0,3,2782
104,0,20,120,3,0,0,0,1,0,2807
105,0,28,120,1,1,0,0,0,1,2821
106,0,32,121,3,0,0,0,0,2,2835
107,0,31,100,1,0,0,0,1,3,2835
108,0,36,202,1,0,0,0,0,1,2836
109,0,28,120,3,0,0,0,0,0,2863
111,0,25,120,3,0,0,0,1,2,2877
112,0,28,167,1,0,0,0,0,0,2877
113,0,17,122,1,1,0,0,0,0,2906
114,0,29,150,1,0,0,0,0,2,2920
115,0,26,168,2,1,0,0,0,0,2920
116,0,17,113,2,0,0,0,0,1,2920
117,0,17,113,2,0,0,0,0,1,2920
118,0,24,90,1,1,1,0,0,1,2948
119,0,35,121,2,1,1,0,0,1,2948
120,0,25,155,1,0,0,0,0,1,2977
121,0,25,125,2,0,0,0,0,0,2977
123,0,29,140,1,1,0,0,0,2,2977
124,0,19,138,1,1,0,0,0,2,2977
125,0,27,124,1,1,0,0,0,0,2922
126,0,31,215,1,1,0,0,0,2,3005
127,0,33,109,1,1,0,0,0,1,3033
128,0,21,185,2,1,0,0,0,2,3042
129,0,19,189,1,0,0,0,0,2,3062
130,0,23,130,2,0,0,0,0,1,3062
131,0,21,160,1,0,0,0,0,0,3062
132,0,18,90,1,1,0,0,1,0,3062
133,0,18,90,1,1,0,0,1,0,3062
134,0,32,132,1,0,0,0,0,4,3080
135,0,19,132,3,0,0,0,0,0,3090
136,0,24,115,1,0,0,0,0,2,3090
137,0,22,85,3,1,0,0,0,0,3090
138,0,22,120,1,0,0,1,0,1,3100
139,0,23,128,3,0,0,0,0,0,3104
140,0,22,130,1,1,0,0,0,0,3132
141,0,30,95,1,1,0,0,0,2,3147
142,0,19,115,3,0,0,0,0,0,3175
143,0,16,110,3,0,0,0,0,0,3175
144,0,21,110,3,1,0,0,1,0,3203
145,0,30,153,3,0,0,0,0,0,3203
146,0,20,103,3,0,0,0,0,0,3203
147,0,17,119,3,0,0,0,0,0,3225
148,0,17,119,3,0,0,0,0,0,3225
149,0,23,119,3,0,0,0,0,2,3232
150,0,24,110,3,0,0,0,0,0,3232
151,0,28,140,1,0,0,0,0,0,3234
154,0,26,133,3,1,2,0,0,0,3260
155,0,20,169,3,0,1,0,1,1,3274
156,0,24,115,3,0,0,0,0,2,3274
159,0,28,250,3,1,0,0,0,6,3303
160,0,20,141,1,0,2,0,1,1,3317
161,0,22,158,2,0,1,0,0,2,3317
162,0,22,112,1,1,2,0,0,0,3317
163,0,31,150,3,1,0,0,0,2,3321
164,0,23,115,3,1,0,0,0,1,3331
166,0,16,112,2,0,0,0,0,0,3374
167,0,16,135,1,1,0,0,0,0,3374
168,0,18,229,2,0,0,0,0,0,3402
169,0,25,140,1,0,0,0,0,1,3416
170,0,32,134,1,1,1,0,0,4,3430
172,0,20,121,2,1,0,0,0,0,3444
173,0,23,190,1,0,0,0,0,0,3459
174,0,22,131,1,0,0,0,0,1,3460
175,0,32,170,1,0,0,0,0,0,3473
176,0,30,110,3,0,0,0,0,0,3544
177,0,20,127,3,0,0,0,0,0,3487
179,0,23,123,3,0,0,0,0,0,3544
180,0,17,120,3,1,0,0,0,0,3572
181,0,19,105,3,0,0,0,0,0,3572
182,0,23,130,1,0,0,0,0,0,3586
183,0,36,175,1,0,0,0,0,0,3600
184,0,22,125,1,0,0,0,0,1,3614
185,0,24,133,1,0,0,0,0,0,3614
186,0,21,134,3,0,0,0,0,2,3629
187,0,19,235,1,1,0,1,0,0,3629
188,0,25,95,1,1,3,0,1,0,3637
189,0,16,135,1,1,0,0,0,0,3643
190,0,29,135,1,0,0,0,0,1,3651
191,0,29,154,1,0,0,0,0,1,3651
192,0,19,147,1,1,0,0,0,0,3651
193,0,19,147,1,1,0,0,0,0,3651
195,0,30,137,1,0,0,0,0,1,3699
196,0,24,110,1,0,0,0,0,1,3728
197,0,19,184,1,1,0,1,0,0,3756
199,0,24,110,3,0,1,0,0,0,3770
200,0,23,110,1,0,0,0,0,1,3770
201,0,20,120,3,0,0,0,0,0,3770
202,0,25,241,2,0,0,1,0,0,3790
203,0,30,112,1,0,0,0,0,1,3799
204,0,22,169,1,0,0,0,0,0,3827
205,0,18,120,1,1,0,0,0,2,3856
206,0,16,170,2,0,0,0,0,4,3860
207,0,32,186,1,0,0,0,0,2,3860
208,0,18,120,3,0,0,0,0,1,3884
209,0,29,130,1,1,0,0,0,2,3884
210,0,33,117,1,0,0,0,1,1,3912
211,0,20,170,1,1,0,0,0,0,3940
212,0,28,134,3,0,0,0,0,1,3941
213,0,14,135,1,0,0,0,0,0,3941
214,0,28,130,3,0,0,0,0,0,3969
215,0,25,120,1,0,0,0,0,2,3983
216,0,16,95,3,0,0,0,0,1,3997
217,0,20,158,1,0,0,0,0,1,3997
218,0,26,160,3,0,0,0,0,0,4054
219,0,21,115,1,0,0,0,0,1,4054
220,0,22,129,1,0,0,0,0,0,4111
221,0,25,130,1,0,0,0,0,2,4153
222,0,31,120,1,0,0,0,0,2,4167
223,0,35,170,1,0,1,0,0,1,4174
224,0,19,120,1,1,0,0,0,0,4238
225,0,24,116,1,0,0,0,0,1,4593
226,0,45,123,1,0,0,0,0,1,4990
4,1,28,120,3,1,1,0,1,0,709
10,1,29,130,1,0,0,0,1,2,1021
11,1,34,187,2,1,0,1,0,0,1135
13,1,25,105,3,0,1,1,0,0,1330
15,1,25,85,3,0,0,0,1,0,1474
16,1,27,150,3,0,0,0,0,0,1588
17,1,23,97,3,0,0,0,1,1,1588
18,1,24,128,2,0,1,0,0,1,1701
19,1,24,132,3,0,0,1,0,0,1729
20,1,21,165,1,1,0,1,0,1,1790
22,1,32,105,1,1,0,0,0,0,1818
23,1,19,91,1,1,2,0,1,0,1885
24,1,25,115,3,0,0,0,0,0,1893
25,1,16,130,3,0,0,0,0,1,1899
26,1,25,92,1,1,0,0,0,0,1928
27,1,20,150,1,1,0,0,0,2,1928
28,1,21,200,2,0,0,0,1,2,1928
29,1,24,155,1,1,1,0,0,0,1936
30,1,21,103,3,0,0,0,0,0,1970
31,1,20,125,3,0,0,0,1,0,2055
32,1,25,89,3,0,2,0,0,1,2055
33,1,19,102,1,0,0,0,0,2,2082
34,1,19,112,1,1,0,0,1,0,2084
35,1,26,117,1,1,1,0,0,0,2084
36,1,24,138,1,0,0,0,0,0,2100
37,1,17,130,3,1,1,0,1,0,2125
40,1,20,120,2,1,0,0,0,3,2126
42,1,22,130,1,1,1,0,1,1,2187
43,1,27,130,2,0,0,0,1,0,2187
44,1,20,80,3,1,0,0,1,0,2211
45,1,17,110,1,1,0,0,0,0,2225
46,1,25,105,3,0,1,0,0,1,2240
47,1,20,109,3,0,0,0,0,0,2240
49,1,18,148,3,0,0,0,0,0,2282
50,1,18,110,2,1,1,0,0,0,2296
51,1,20,121,1,1,1,0,1,0,2296
52,1,21,100,3,0,1,0,0,4,2301
54,1,26,96,3,0,0,0,0,0,2325
56,1,31,102,1,1,1,0,0,1,2353
57,1,15,110,1,0,0,0,0,0,2353
59,1,23,187,2,1,0,0,0,1,2367
60,1,20,122,2,1,0,0,0,0,2381
61,1,24,105,2,1,0,0,0,0,2381
62,1,15,115,3,0,0,0,1,0,2381
63,1,23,120,3,0,0,0,0,0,2410
65,1,30,142,1,1,1,0,0,0,2410
67,1,22,130,1,1,0,0,0,1,2410
68,1,17,120,1,1,0,0,0,3,2414
69,1,23,110,1,1,1,0,0,0,2424
71,1,17,120,2,0,0,0,0,2,2438
75,1,26,154,3,0,1,1,0,1,2442
76,1,20,105,3,0,0,0,0,3,2450
77,1,26,190,1,1,0,0,0,0,2466
78,1,14,101,3,1,1,0,0,0,2466
79,1,28,95,1,1,0,0,0,2,2466
81,1,14,100,3,0,0,0,0,2,2495
82,1,23,94,3,1,0,0,0,0,2495
83,1,17,142,2,0,0,1,0,0,2495
84,1,21,130,1,1,0,1,0,3,2495
実行結果
> source("model.R")
lavaan 0.6-3 ended normally after 60 iterations
Optimization method NLMINB
Number of free parameters 6
Number of observations 189
Estimator ML
Model Fit Test Statistic 0.257
Degrees of freedom 1
P-value (Chi-square) 0.612
Parameter Estimates:
Information Expected
Information saturated (h1) model Structured
Standard Errors Standard
Regressions:
Estimate Std.Err z-value P(>|z|) Std.lv Std.all
bwt ~
age 7.154 9.822 0.728 0.466 7.154 0.052
lwt 4.016 1.700 2.362 0.018 4.016 0.169
smoke -269.257 104.604 -2.574 0.010 -269.257 -0.181
lwt ~
age 1.039 0.413 2.517 0.012 1.039 0.180
Variances:
Estimate Std.Err z-value P(>|z|) Std.lv Std.all
.bwt 491710.510 50581.719 9.721 0.000 491710.510 0.932
.lwt 899.989 92.581 9.721 0.000 899.989 0.968
Read 9 records
NOTE: it is generally simpler to use specifyEquations() or cfa()
see ?specifyEquations
警告メッセージ:
sem.semmod(model.s, data = input) で:
The following observed variables are in the input covariance or raw-moment matrix but do not appear in the model:
X, low, race, ptl, ht, ui, ftv
使われていない変数に関して警告メッセージが出ていますが多分問題ありません。
Model Fit Test Statisticはモデルの当てはまり具合を示しています。値が大きいほどモデルの精度が良いです。
P-valueはP値(有意確率)です。p値が小さければ小さいほど、帰無仮説が正しくありません。
有意水準（p値がこの値より小さければ帰無仮説を棄却（否定）する基準）は5％か1％に設定されることが多いです。
次のようなグラフが生成されます。
妊娠中のタバコ(smoke)が出生児の体重(bwt)に影響を及ぼすことが明らかになりました。
