次に、全ての概念を組み込んで、どの概念間で相関があるのかを調べた。相関関係の強さについては、一般に相関係数の絶対値が0.2以下であれば「ほとんど相関がない」、0.2〜0.4くらいであれば「弱い相関がある」、0.4〜0.7くらいであれば「強い相関がある」、と表現されることが多い。ここでは、相関値0.2以上のものを有意であると判断した。その結果、BeliefとSocialの間で0.312152、BeliefとPhysicalの間で0.301009、AffectとSocialの間で0.400791、ImaginationとSocialの間で0.209937、ImaginationとPhysicalの間で0.321566、CognitionとSocialの間で0.203148、PhysicalとSocialの間で0.295259の相関が認められた（図１３）。

図１４　AffectとSocialに相関関係があるパス図　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　

　図１３のモデルと図１４のモデルのχ二乗値の差は6.6570である（表１７）。しかし、χ二乗分布は期待値と自由度が一致するため、χ二乗値は検定に利用するというよりも、むしろ自由度との比を求めておおよその適合度の程度として参照するにとどめるべきである（竹内,　1992)。そこで、各モデル間のχ二乗値と自由度との比を求めたのが表１８である。このことから、図１４のモデルは、図１３のモデルよりも適合度がわずかではあるが有意に高いことが示された。

　複数のモデルを比較して、より優れたモデルを選ぶためには、χ二乗検定の他にAIC(Akaike‘s Information Criterion)があり、これはモデルの説明力と安定性を統合した指標である。複数のモデルを比較して,AICの小さい方のモデルがより優れたモデルであるといえる。表１６にもAICを示しているのだが、ここでも図１４のモデルは、図１３のモデルよりも優れているといえる。

　以上の評価から、図１４のモデルが優れたモデルと認められた。しかし、χ二乗値と自由度の比が1.8222とまだ大きく、このモデルがデータに適合しているかわからないため、今度はモデルの部分的評価を行い、再度モデルの修正を行うことにする。

　モデルの全体的な適合の評価を行い、モデルとデータとの適合が充分でない場合は、モデルを再構成し、よりよいモデルを探索しなくてはならない。モデルを再構成する場合は、母数や変数や方程式を別々に評価し、現時点までに構成されたモデルのどの部分に問題があるのかを診断することが有効である（竹内, 1992)。

図15　誤差項目間の共分散を仮定したパス図

続きの文章