計量分析Ｏｎｅ Ｐｏｉｎｔ 潜在クラス分析

ＭｃＣｕｔｃｈｅｏｎ，Ａｌｌａｎ Ｌ．【著】/古田 裕亮/渡辺 美智子【訳】

共立出版（2026/08発売）

• サイズ 46判／ページ数 176p／高さ 19cm
• 商品コード 9784320114180
• NDC分類 301.6
• Cコード C3341

出版社内容情報

【カテゴリカルデータから集団の異質性をモデル化する】
潜在クラス分析は、観測データの背後にある「見えない集団構造」を明らかにする強力な統計手法であり、社会科学、教育学、医学、公衆衛生学、マーケティングなど幅広い分野で活用されている。本書は、潜在クラス分析の古典的名著として知られるMcCutcheonの原著をもとに、理論的基盤から実証的応用までを一貫した枠組みで平易に解説したものである。モデルの前提、識別性、推定、モデル選択といった本質的な論点を丁寧に扱い、分析結果の解釈における注意点も具体例を通じて示している。
また、訳者補遺では近年の分析環境の進展を踏まえ、R、JMP、Latent Goldによる実装例にも触れており、理論と実践の橋渡しを意識した構成となっている。潜在クラス分析を「使える」だけでなく「理解して使う」ための基盤を習得できる一冊。

［原著］Latent Class Analysis, Sage Publicatations, Inc., 1987


【目次】

第1章 はじめに：潜在変数の論理的意味づけ
1.1 基本的な考え方
1.2 潜在クラス分析とは
1.3 本書のアウトライン

第2章 潜在クラス分析
2.1 局所独立の仮定
2.2 潜在クラスモデルの数理
　2.2.1 クラスサイズ確率
　2.2.2 条件付き応答確率
2.3 最尤法
　2.3.1 反復比例割当法によるパラメータ推定

第3章 カテゴリカルな潜在変数の推定
3.1 探索的潜在クラス分析
　3.1.1 クラスサイズ確率
　3.1.2 潜在クラスモデルにおける条件付き応答確率
　3.1.3 回答者の潜在クラスへの割り当て
3.2 検証的潜在クラス分析
　3.2.1 条件付き応答確率への制約
　3.2.2 クラスサイズ確率への制約
3.A 訳者補足：潜在クラス分析におけるモデル選択と情報量基準

第4章 応答頻度に基づく尺度構成
4.1 誤応答確率を含むモデル
　4.1.1 Proctorのモデル
　4.1.2 項目ごとに誤応答確率が異なるモデル
　4.1.3 尺度水準（クラス）ごとに誤応答確率が異なるモデル
　4.1.4 Lazarsfeldの潜在距離モデル
　4.1.A 訳者補足：情報量基準によるモデル比較について
4.2 Goodman尺度モデル
　4.2.A 訳者補足：現代の研究における尺度化とGoodman尺度モデルの位置づけ

第5章 多群間での潜在構造の同時比較
5.1 多群の同時潜在クラス（構造）モデル
5.2 異質性を許容したTクラスモデル
5.3 同質性を仮定したモデル
5.4 多群の同時潜在クラス構造分析の応用

第6章 結　論

参考文献

訳者補遺 潜在クラス分析の発展と現代的展開
A.1 探索的潜在クラス分析
　A.1.1 JMPを用いた探索的LCAの実行方法
　A.1.2 Rを用いた探索的LCAの実行方法
　A.1.3 Latent GOLDを用いた探索的LCAの実行方法
A.2 検証的潜在クラス分析
　A.2.1 条件付き応答確率に対する制約の指定方法
　A.2.2 応答頻度に基づく尺度構成の実装例
　A.2.3 多群間での潜在構造の同時比較の実装例①
　A.2.4 多群間での潜在構造の同時比較の実装例②

索　引

内容説明

潜在クラス分析は、観測データの背後にある「見えない集団構造」を明らかにする強力な統計手法であり、社会科学、教育学、医学、公衆衛生学、マーケティングなど幅広い分野で活用されている。本書は、潜在クラス分析の古典的名著として知られるＭｃＣｕｔｃｈｅｏｎの原著をもとに、理論的基盤から実証的応用までを一貫した枠組みで平易に解説したものである。モデルの前提、識別性、推定、モデル選択といった本質的な論点を丁寧に扱い、分析結果の解釈における注意点も具体例を通じて示している。

目次

第１章　はじめに：潜在変数の論理的意味づけ
第２章　潜在クラス分析
第３章　カテゴリカル潜在変数の推定
第４章　応答パターンに基づく尺度構成
第５章　多群間での潜在構造の同時比較
第６章　結論

著者等紹介

古田裕亮［フルタヒロアキ］
２０２３年　慶應義塾大学大学院健康マネジメント研究科博士課程　修了。現在　恩賜財団済生会神奈川県病院、済生会保健・医療・福祉総合研究所、慶應義塾大学ＳＦＣ研究所。博士（医療マネジメント学）。専門　医療データサイエンス、公衆衛生学、保健統計学、医療マネジメント学、リハビリテーション

渡辺美智子［ワタナベミチコ］
九州大学大学院総合理工学研究科情報システム学専攻修士課程　修了。現在　立正大学データサイエンス学部　教授。専門　多変量解析、潜在構造モデル、統計・データサイエンス教育

マカッチョン［マカッチョン］ ［ＭｃＣｕｔｃｈｅｏｎ，Ａｌｌａｎ　Ｌ．］
ネブラスカ大学リンカーン校の統計学・調査研究・方法論の名誉教授。同校Ｇａｌｌｕｐ　Ｒｅｓｅａｒｃｈ　Ｃｅｎｔｅｒ初代所長。シカゴ大学にて社会学の博士号を取得。潜在クラス分析をはじめとするカテゴリカルデータ解析の理論と応用の発展に大きく貢献した（本データはこの書籍が刊行された当時に掲載されていたものです）
※書籍に掲載されている著者及び編者、訳者、監修者、イラストレーターなどの紹介情報です。

感想・レビュー

※以下の感想・レビューは、株式会社ドワンゴの提供する「読書メーター」によるものです。

[odmy]

クラスター分析と大して変わらないのではと少し懐疑的だったけれど、最後まで読むとだいぶ違う考え方の手法なのだとわかった。クラスごとに顕在変数の条件付き確率を出すというのはデータ生成のモデルとして自然で、単にクラスターごとに平均値を出して特徴を見るようなのとは全然ちがう。別々の集団で同じクラスが導き出せるかどうかという手続きもしっかりしている。クラスター分析がデータ同士の距離から便宜的にグループを作る手法だとしたら、潜在クラス分析はそれよりももっと構造化されたものとしてクラスをモデル化する手法だと理解した。

2026/09/26