拡張型数量化2類 ≪ １/２ ≫
拡張型数量化2類とは
拡張型数量化2類は数量化2類同様、目的変数と説明変数との関係をモデル式で表し、そのモデルを用いて回答者がどの群に属するかを判別、その判別に重要な影響を及ぼす要因を解明します。数量化2類との違いは、説明変数のデータタイプがカテゴリーデータと数量データの両方を適用できることです。
拡張型数量化2類の解説で適用する例題
乗用車の選び方は車の使い方や選定理由などによって決まると考えられます。このことを確かめるために、 30人のユーザーに「嗜好する車種タイプ」「現使用車の使用用途」「車選定理由」「環境対策車購入予定」「月間走行距離」を質問するアンケート調査を実施しました。
アンケート質問文における質問項目のデータタイプと選択肢のカテゴリー名、省略名を示します。
以下、 図表等で選択肢を用いるところでは省略名で表記します。
拡張型数量化2類を使う前の基本分析
目的変数である車種タイプと質的データの3質問とのクロス集計を行いました。
集計表の列の最大値に＜＞印を付け、 値が50％以上のセルに着目しました。
Ａタイプの嗜好ユーザーは、使用用途は「通勤仕事」、車選定理由は「タイル外観のよさ」、 環境対策車購入は「予定あり」が他タイプに比べ高い回答率を示しました。
Ｂタイプの嗜好ユーザーは、使用用途は「レジャー」、 環境対策車購入は「予定なし」、
Ｃタイプの嗜好ユーザーは、使用用途は「買物用足し」、車選定理由は「燃費のよさ」が他タイプを上回りました。
車種タイプと車使用用途、車選定理由、環境対策車購入予定との関連性が明らかになりました。
車種タイプは質的データ、月間走行距離は数量データなので、車種タイプ別の月間走行距離の平均値で両者の関係を調べました。車種タイプ別の平均値に違いがみられ、車種タイプと月間走行距離に関連性があると推察できます。
月間走行距離を5つの階級に分けカテゴリーデータを作成しました。
このデータと車種タイプとのクロス集計を行いました。
Ａタイプは「300㎞未満」、 Ｂタイプは「300～499㎞」「500～699㎞」、Ｃタイプは 「700～899㎞」「900㎞以上」が他タイプを上回る値を示し、両者に関連性がみられました。
拡張型数量化2類で明らかにできること
車使用用途や車選定理由から車種タイプが決まるとすれば、車使用用途や車選定理由から車種タイプを判別するモデル式を作成できます。目的変数である車種タイプは群数が3つ以上のカテゴリーデータ、説明変数はカテゴリーと数量データが混在しています。
拡張型数量化2類はこのようなデータに対してモデル式を作成する解析手法です。モデル式から、車使用用途、車選定理由の車種タイプへの影響度や、今後のユーザーの車種対応の判別を予測することができます。
通常の数量化2類では数量的データがあると、この例では月間走行距離が数量データなので次に示すようなカテゴリー化をして実施します。 ➡「300㎞未満」「 300～499㎞」「 500～699㎞」「 700～899㎞」「900㎞以上」
拡張型数量化2類は, 数量的データ、この例では月間走行距離をカテゴリー化することなくそのまま適用できます。