尺度開発データの事前監査
EFA/CFA前の欠測・外れ値・不注意回答チェック
尺度開発データの事前監査
EFA/CFA前の欠測・外れ値・不注意回答チェック
コンテンツ紹介
説明
専門の調査会社が収集した尺度開発用の生データ（Excel/CSV）について、EFA/CFAや最終的な信頼性分析に進む前に、心理測定学的なデータ品質を監査する必要がある場合に使用します。欠測データ、外れ値、不注意回答、回答バイアス、項目の品質、サンプルの十分性を包括的に評価し、Go/No-Goの判断を提示します。データは変更せず、診断・監査レポートのみを提供します。
関連スキル
すべて表示
尺度開発データ品質監査
このスキルは、尺度開発研究で収集した生のアンケートデータを、欠測データ、外れ値、careless responding（straightlining、longstring、random responding）、項目ごとの分布の問題、信頼性、因子分析可能性の前提条件という観点から体系的に監査します。最終的なEFA/CFAの結果は生成せず、データが次の分析段階に進める状態かどうかについて、根拠に基づく「go/no-go」判定と、層別化したサンプル分割（EFA/CFA split）の提案を行います。すべての計算は、実際にコード（Python: pandas、scipy、factor_analyzer、pingouin）を実行して行い、仮定の数値は生成しません。
研究妥当性・信頼性レポート作成
EFAまたはCFAの分析結果（KMO、Bartlett検定、因子負荷量、適合度指標、Cronbachのα/CR/AVE）から、論文に使える方法＋結果の全文を生成します。適合度指標の基準値（CFI/TLI≥.90、RMSEA≤.08など）を正しく分類し、AVE<0.50などの妥当性上の問題も隠さず報告します。 対象：尺度開発または尺度適応の研究を行う研究者や大学院生。
研究PLS-SEMレポート＋査読対策エンジン
PLS-SEM分析の出力（外部負荷量、CR/AVE、HTMTによる弁別的妥当性、パス係数、R²/f²/Q²、SRMR）から、測定モデルと構造モデルの完全なレポートを作成します。HTMTの閾値とR²の解釈（Cohen/Chinの基準）を正しく適用し、因果関係を示す表現を避けます。さらに、学術誌の査読者がよく指摘する少なくとも4つの反論（例：「なぜCB-SEMではなくPLSを選んだのか」「CMBの検証を行っていない」）を事前に特定し、それぞれに対する反論文を提示します。対象：PLS-SEMを用いて構造方程式モデリングを行うビジネス・社会科学の研究者、学術誌への投稿前に手法の妥当性を確認したい方。
情報
- バージョン
- v2
- 最終更新
- 実行クレジット
- 使用量に応じて消費
- モデル
- 自動選択
