1.9: 要因計画

要因分析は、分散分析(ANOVA)統計手順を適用して、複数の独立変数(因子とも呼ばれる)による従属変数の変化を調べる実験計画です。労働者の生産性の変化は、例えば、給与やスキルレベルなどの他の条件によって影響を受けると推論することができます。この仮説を検証する 1 つの方法は、給与を 3 つのレベル (低、中、高) に分類し、スキル セットを 2 つのレベル (エントリー レベルと経験) に分類することです。

命名

この科学的アプローチは、各独立変数について検定された因子の数または条件の数を強調するラベルに指定されています。上記の実験例は、2つの独立変数を含むため、二元配置要因分散分析として記述されます。給与(低、中、高)とスキルセット(エントリーレベルと 経験)で考慮されるレベルの数に関して 、この同じ実験は3×2デザインとしても指定され、正式には3×2の要因分散分析として書かれています。注目すべきは、3と2の積を計算すると、実験条件の組み合わせが合計6

調査上の利点

少なくとも 2 つの独立変数の影響を観察することは、より実用的で経済的なアプローチです。これにより、別々の実験に時間とリソースを費やす必要がなくなります。さらに、さまざまな条件の組み合わせのデータを収集することで、研究者は主効果や交互作用効果など、さまざまな評価を行うことができます。

特定の研究課題では、各因子が従属変数に独立してどのように影響を与えるかを理解する必要がある場合があります。例えば、給与による労働者の生産性スコアの観察された変化は、スキルレベルによる変化と分離されており、それぞれの主な影響を判断するのに役立ちます。その結果、新入社員に見られる高い生産性が、経験豊富な従業員にも当てはまる場合と当てはまらない可能性があることが明らかになる可能性があります。同様に、低サラリーマンに見られる生産性の低さは、賃金の増加によって明らかになる場合とそうでない場合があります。したがって、結果が異なる状況やグループの特徴に一般化できるかどうかを認識できることは、このタイプの設計の別の利点として機能します。

交互作用効果は、ある独立変数が特定の従属変数に及ぼす影響が、調査対象の他の因子のレベルに依存する場合に発生します。たとえば、給与が労働者の生産性に与える影響は、経験豊富な従業員とは対照的に、エントリーレベルでより顕著であることが判明するかもしれません。このタイプの分析により、研究者はデータセットに現れる可能性のあるパターンをより深く把握することができます。

要因分析の影響

その柔軟性と実用性により、要因分析は、すべての分野で使用される最も一般的な実験計画の1つであり続けています。例えば、最近の研究では、消費者の行動が製品が功利主義的か快楽的かによって異なるかどうかを調査しました。製品の種類に加えて、研究者は購入決定に影響を与える可能性のある要因として、製品画像(クローズアップとワイドショット)も含めました。これらの研究者は、合理的または感情的なアピールなどの説得力のある手法のタイプが影響を与えるかどうかをさらに調査しました(Kim、Lee、およびChoi、2019)。快楽主義の製品は、ワイドショットの画像に感情を誘発する広告が伴うと、より好意的な態度を得る傾向がありました。この 2 x 2 x 2 階乗分散分析 ( 3 因子分散分析とも呼ばれます) の功利主義的な製品では、逆の結果が観察されました。