/*-------------------------------------------------- 探索的ポジショニング分析を行うSASマクロ 著者:豊田秀樹(早稲田大学) ---------------------------------------------- パラメータが用意されている状態では %inc 'このファイル自身のファイル名'; %position ; run; で利用可能である. パラメータが必要な場合は %inc 'このファイル自身のファイル名'; %position( ti = 'タイトル' , dfn = '生データ' , kei = 形容詞数 , gai = 概念数 , mit = 最大繰り返し , mfu = 最大関数評価数 , ke_m_in = 観測変数切片初期値(尺度の真ん中の値) ) ; run; で利用する -----------------------------------------------*/ %macro position( ti = '探索的ポジショニング分析', dfn = 'h:\自作文章\執筆論文\印象確認\mast.DAT', kei = 6 , gai = 6 , mit = 2000 , mfu = 3000 , ke_m_in = 3.0 , ls = 75 ); OPTIONS LS = &ls ; title1 &ti ; data position ; infile &dfn ; input %do ga = 1 %to &gai ; %do ke = 1 %to &kei ; V&ga&ke %end ; %end; ; run ; PROC CALIS UCOV AUG NOINT MAXITER = &mit MAXFUNC = &mfu ; LINEQS %do ga = 1 %to &gai ; %do ke = 1 %to &kei ; V&ga&ke = K&ke ( &ke_m_in ) INTERCEP + H&ke F1&ga + B&ke F2&ga + E&ga&ke , %end ; %end ; %do ga = 1 %to &gai ; %do ji = 1 %to 2 ; F&ji&ga = H&ga&ji (0.0) INTERCEP + L&ga&ji F&ji + D&ga&ji , %end ; %end; F1 = D1 , F2 = D2 ; STD %do ga = 1 %to &gai ; %do ji = 1 %to 2 ; D&ga&ji = PSI&ga&ji , %end; %do ke = 1 %to &kei ; E&ga&ke = DEL&ga&ke , %end ; %end; D1 = 1 , D2 = 1 ; COV D1 D2 = 0.0 ; BOUNDS -1.0 < %do ji = 1 %to 2 ; %do ga = 1 %to &gai ; L&ga&ji %end ; %end ; < 1.0 ; %do ga = 1 %to &gai ; %do ji = 1 %to 2 ; PSI&ga&ji = 1 - L&ga&ji * L&ga&ji ; %end ; %end; %do ji = 1 %to 2 ; H1&ji = %do ga = 2 %to &gai ; -H&ga&ji %end; ; %end; RUN; %mend position; /************************************************************** fpr [fpr 1776] 多相・SDデータの解析 (Fri, 29 Sep 2000) より *************************************************************** 昨年夏に以下のような記事を書きました. [fpr 1526] MAP >因子分析を使用した製品ポジショニング・プロダクトマップ・SD法 >など対象・形容詞・人のデータの分析方法の工夫・改良に興味があり >ます(工夫や改良に興味があるのに小生自身は実際の分析経験は多い >ほうではありません). >経験のある方にお伺いしたいのですが,実際にポジショニングを行っ >ていて「不自由に感じたこと」「こういうことができたらいいなあ」 >「こんなことできないかなあ」ということ,がありましたら教えて頂 >けないでしょうか. その後この記事にいろいろな意見を頂き,大変参考になりました.この 場を借りて御礼申し上げます.このたび頂いた意見を元に3相データの ためのポジショニング分析法を考案し,11月の日本心理学会(京都大 学)の小講演で発表することになりました. 司会者 楠見孝 京都大学 講演者 豊田秀樹 早稲田大学 題目 共分散構造分析による多相・SDデータの解析 11月7日13:00から14:00まで 国立京都国際会館1F,ROOM C-2 要旨 SDデータ(semantic differential data)は「被験者」×「尺度」×「 概念」の形式の3相データである.SD法は,基礎研究ばかりでなく, ポジショニング分析を通じて,広告効果測定・パッケージテスト・ネー ミングテスト・コンセプト開発・ライフスタイル分類 (後藤, 1996) な ど,産業心理学分野でも頻繁に,かつ広汎に利用されている.しかし, 従来,SDデータが3相データのまま解析されることは,極めて希であ った.平均を計算したり,「被験者」×「概念」を 1 つの相にまとめた りして,3 相データの持つ情報を利用せずに,2 相データに縮退させて から分析することが多かった.この現状に対し,海保・加藤(1999, p146) は「これほどまでにSD法が利用されると,もはや技法そのものの改善 はありえないように思われるが,実は,まだうまい方法が見つかってい ないデータ解析上の問題が1つある.それは,3次元データを一括して 多変量解析にかける手法」だと問題点を述べている. 本講演の目的は,その要請に応えるために,特に明確な学問的仮説がな い状況で,3相データのまま,探索的にSDデータを分析する汎用的な 手法を提案することである. 手法はSASのマクロで書いてあります.講演の後で使ってみたい方のため に,予め,マクロをこのMLで配布しておきます.営利目的でなく学習・研 究に使用する限りにおいて再配布自由(奨励)とします.使い方は講演の 中で解説します. *****************************************************************/