因子分析の基本原理
因子分析 (Factor Analysis) は、多数の観測変数間の相関パターンを分析し、それらの背後にある少数の潜在的な構成概念 (因子) を特定する多変量統計手法である。Charles Spearman が 1904 年に知能研究で初めて用いたこの手法は、性格心理学において決定的な役割を果たしてきた。基本的な考え方は、もし複数の質問項目が互いに高い相関を示すならば、それらは共通の潜在因子を反映しているはずだというものである。例えば「パーティーが好き」「人と話すのが楽しい」「一人でいると退屈する」という 3 つの項目が互いに高い相関を示すなら、それらの背後に「外向性」という共通因子が存在すると推定できる。因子分析はこの推定を数学的に厳密に行う手法であり、各項目がどの因子にどの程度関連するか (因子負荷量) を算出する。
探索的因子分析と確認的因子分析
因子分析には大きく分けて 2 つのアプローチがある。探索的因子分析 (Exploratory Factor Analysis: EFA) は、データの構造について事前の仮説を持たず、データから因子構造を発見するために用いられる。ビッグファイブモデルの発見はまさにこのアプローチによるものであり、性格を記述する数千の形容詞を因子分析にかけた結果、繰り返し 5 つの因子が浮かび上がった。一方、確認的因子分析 (Confirmatory Factor Analysis: CFA) は、理論的に想定された因子構造がデータに適合するかを検証するために用いられる。ビッグファイブモデルが確立された後は、新しいサンプルや異文化サンプルで CFA を実施し、5 因子構造の再現性を確認する研究が多数行われている。EFA では因子の回転方法 (バリマックス回転、プロマックス回転など) の選択が結果に影響するため、研究者の判断が介入する余地がある点に注意が必要である。関連書籍は関連書籍 (Amazon)でも探せます。
性格研究における因子分析の意義と限界
因子分析は性格心理学に科学的基盤を与えた方法論であり、主観的な性格類型論 (血液型性格診断など) とは一線を画す実証的アプローチを可能にした。ビッグファイブモデルが広く受け入れられている最大の理由は、異なる研究者が異なるサンプルで因子分析を行っても、一貫して同じ 5 因子が抽出されるという再現性の高さにある。しかし因子分析にも限界がある。第一に、因子の数の決定には研究者の判断が必要であり、5 因子が「正解」であるという保証はない (実際、Ashton と Lee は 6 因子モデル HEXACO を提唱している)。第二に、因子分析は線形の関係しか捉えられず、性格特性間の非線形な相互作用を見逃す可能性がある。第三に、因子分析は変数間の共変動パターンを記述するものであり、因果関係を示すものではない。相性診断への応用においては、因子分析で抽出された次元が実際の対人行動をどの程度予測するかという妥当性の問題が常に意識されるべきである。