STEP

連載・コラム

人事データ活用入門 第10回

複雑なメカニズムを解きほぐす「共分散構造分析」

  • 公開日:2018/12/03
  • 更新日:2025/04/15
複雑なメカニズムを解きほぐす「共分散構造分析」

人と組織を取り巻くメカニズムは複雑です。例えば、「仕事でパフォーマンスをあげるためには、適切な職務行動を取る必要がある。また、そのとき所属しているチームが健全に機能している必要がある」「適切な職務行動を取ることが出来る確率は、性格特性によって異なる」「チームの機能状況は、チーム内でのビジョンの共有状況によって変化する」のように、さまざまなことが絡み合い、人や組織は機能しています。
このような複雑なメカニズムを解きほぐすために利用できる強力な手法が「共分散構造分析」です。

本シリーズ記事一覧
人事データ活用入門 第10回
複雑なメカニズムを解きほぐす「共分散構造分析」
人事データ活用入門 第9回
「因子分析」でアンケート項目のまとまりを発見する
人事データ活用入門 第8回
「二要因の分散分析」で職種別・業績別の仕事満足度を比較する
人事データ活用入門 第7回
「分散分析」で職種別の仕事満足度を比較する
人事データ活用入門 第6回
「t検定」で平均の差を比較する
人事データ活用入門 第5回
「重回帰分析」とは?活躍予測の例で理解する、予測力向上の方法
人事データ活用入門 第4回
因果関係を分析する一手法「回帰分析」とは
人事データ活用入門 第3回
データの関係性を表せる「相関係数」と2つの落とし穴
人事データ活用入門 第2回
人事データに潜む2つの罠
人事データ活用入門 第1回
人事ビッグデータとは何モノなのか?
階層的な関係性を検証できる
複数に分かれる経路の関係性を検証できる
複数の変数の背後にある共通要因を仮定できる
共分散構造分析の実践例
おわりに

階層的な関係性を検証できる

では、共分散構造分析の特徴を確認していきたいと思います。1つ目の特徴は、図表1のように、階層的な関係性を検証できることです。

図表1 階層的な関係性の例①

この他にも例えば、「従業員満足が顧客満足を高め、顧客満足が業績を高める」など、階層的な関係性を検証したいことは多々あると思います。もちろん、図表2のような関係性についても検証が出来ます。

図表2 階層的な関係性の例②

複数に分かれる経路の関係性を検証できる

2つ目の特徴は、図表3のように複数に分かれる経路の関係性を検証できることです。

図表3 複数に分かれる経路の関係性の例

経営理念に基づいた行動を起こすには、「経営理念を理解し、経営理念に共感する」「経営理念に共感し、経営理念に基づいた行動を起こす」「経営理念を理解し、経営理念に基づいた行動を起こす」という3つの経路があると考えられるならば、共分散構造分析で図表3のような関係性の検証を行うことができます。

複数の変数の背後にある共通要因を仮定できる

3つ目の特徴は、図表4のように、複数の変数の背後にある共通要因を仮定し、そのもっともらしさを検証できることです。

図表4 複数の変数の背後にある共通要素

例えば、「経営理念への共感」は、「経営理念を身近に感じる」「経営理念を実践したいと思う」「経営理念に貢献したいと思う」という3つの心理状態に共通するものであると考えられるのであれば、このような関係性の検証を行うことが出来ます。

共分散構造分析の実践例

これら3つの特徴を合わせた共分散構造分析の実践例が、図表5です。

図表5 企業の持続的成長モデル

こちらの分析で用いたデータは、公開情報から収集した「企業の業績(『業績総合指標』)」と、調査で取得した「企業の組織能力(『実行・変革力』『ビジョン共有力』『知の創出力』)」です。よって、「どのような組織能力が、企業の業績を高めているか」を表すモデルです。

確認できるのは、
・直接、「業績総合指標」を高めているのは、「実行・変革力」
・「実行・変革力」を高めているのが、「ビジョン共有力」と「知の創出力」
・「ビジョン共有力」は、「知の創出力」も高めている
ということです。詳しい分析内容などに興味のある方は、研究レポート「持続的成長企業の組織・人材マネジメントを探る 第2回」をご参照ください。

なお、図表中の数値は「標準化パス係数」というもので、相関係数のようにマイナス1からプラス1の間の値を取るものです。プラスの値であれば、「矢印の付け根にある変数が、矢印の先にある変数を高める」ことを示します。この値の絶対値の大きさによって、影響度の大きさを確認することが出来ます。

また、GFIやAGFI、またRMSEAという値は、検証したモデル全体のあてはまりを示すものです。GFIやAGFIは値が高い場合、RMSEAは値が低い場合に、あてはまりがよいと考えます。この値も見ながら、試行錯誤しながら仮説に照らしてあてはまりのよいモデルを確定していきます。

共分散構造分析は、これまで紹介した回帰分析や因子分析を融合したような手法で、非常に応用範囲が広いものです。残念ながら、Excelでは実施が出来ないため、IBM SPSS Amos(有料)やR(無料)などのソフトウェアを使う必要がありますが、関心のある方はぜひ利用に挑戦してみてください。

おわりに

今回の第10回をもって、本連載は終了いたします。約2年間、本連載をご覧いただきありがとうございます。

まだまだ、たくさんの分析手法がありますし、さまざまな分析手法を用いた「事例」もあります。これからも、折を見てそれらの情報について共有していこうと考えておりますので、ぜひご期待ください。

執筆者

https://www.recruit-ms.co.jp/assets/images/cms/authors/upload/3f67c0f783214d71a03078023e73bb1b/aa971a0abbc34eecafbad58e4385c2c6/2107272146_5861.webp

技術開発統括部
研究本部
研究主幹

入江 崇介

2002年HRR入社。アセスメント、トレーニング、組織開発の商品開発・研究に携わり、現在は人事データ活用や、そのための測定・解析技術の研究に従事する。
日本学術会議協力学術研究団体人材育成学会常任理事。一般社団法人ピープルアナリティクス&HRテクノロジー協会上席研究員。昭和女子大学非常勤講師。新たな公務員人事管理に関する勉強会委員。

この執筆者の記事を見る

本シリーズ記事一覧
人事データ活用入門 第10回
複雑なメカニズムを解きほぐす「共分散構造分析」
人事データ活用入門 第9回
「因子分析」でアンケート項目のまとまりを発見する
人事データ活用入門 第8回
「二要因の分散分析」で職種別・業績別の仕事満足度を比較する
人事データ活用入門 第7回
「分散分析」で職種別の仕事満足度を比較する
人事データ活用入門 第6回
「t検定」で平均の差を比較する
人事データ活用入門 第5回
「重回帰分析」とは?活躍予測の例で理解する、予測力向上の方法
人事データ活用入門 第4回
因果関係を分析する一手法「回帰分析」とは
人事データ活用入門 第3回
データの関係性を表せる「相関係数」と2つの落とし穴
人事データ活用入門 第2回
人事データに潜む2つの罠
人事データ活用入門 第1回
人事ビッグデータとは何モノなのか?
SHARE

コラム一覧へ戻る

おすすめコラム

Column

関連する
無料セミナー

Online seminar

サービスを
ご検討中のお客様へ

電話でのお問い合わせ
0120-878-300

受付/8:30~18:00/月~金(祝祭日を除く)
※お急ぎでなければWEBからお問い合わせください
※フリーダイヤルをご利用できない場合は
03-6331-6000へおかけください

SPI・NMAT・JMATの
お問い合わせ
0120-314-855

受付/10:00~17:00/月~金(祝祭日を除く)

facebook
x