🔖 キーワード索引（補強・追加分）

因子分析 関連の補強キーワード。 クリックで該当箇所へ：

🎨 直感で掴む

因子分析の典型的可視化（PCA と類似の散布図）。 ただし因子分析では「ローディング行列」（各観測変数が各因子に与える重み）の解釈が中心。

図は2因子に圧縮した47都道府県の散布図のイメージ。 因子分析の真価はローディング行列の解釈にあります。

例えば6つの観測変数（死亡率、 高齢化率、 出生率、 転入率、 保健医療費、 消費支出）を2因子で分析すると：

• 因子1：「高齢化軸」 — 死亡率、 高齢化率に高くロード、 出生率に低くロード
• 因子2：「経済軸」 — 消費支出、 保健医療費、 転入率に高くロード

こうして「6次元のデータが、 実は2つの潜在的な軸で大部分説明できる」と分かります。 各県に「高齢化スコア」「経済スコア」を割り当てて、 1次元の指標として扱えるようになる。

身近な例え：性格診断テスト

因子分析の発想は性格診断テスト（ビッグファイブ等）と同じ。 50問の質問への回答（観測変数）は、 実は「外向性」「協調性」「誠実性」「神経症傾向」「開放性」という 5 つの潜在因子（共通因子）で大半が説明できる、 という仮説に基づいている。 「人前で話すのが好き」「パーティーに行きたい」「初対面の人と話せる」といった項目はどれも「外向性」因子に高くロードする。 PCA との違いは「観測値の背後に意味ある潜在変数がある」という因果的世界観を持つこと。

SSDSE-B-2026 で考えてみる：47 都道府県の「暮らしの質」

もし君が地方創生の担当者で「47 都道府県を 2 軸で位置づけて施策を決めたい」と思ったら、 まず因子分析で軸を抽出し、 各県を「高齢化軸」と「経済活力軸」で配置する。 秋田・高知は高齢化軸が大きく経済活力軸が小さい象限へ、 東京・神奈川は経済活力軸が大きく高齢化軸が小さい象限へ、 と整理される。 6 変数を眺めるより 2 軸でマップにする方が直感的に課題が見える。

PCA との違いを 1 行で

PCA は「分散を最大化する軸」を機械的に探す。 因子分析は「共通因子 + 独自因子（誤差）」という生成モデルを仮定し、 観測の背後にある潜在因子を推定する。 PCA は要約、 因子分析は潜在変数の発見と覚えるとよい。

📐 数式

📐 因子分析モデル

$$ \mathbf{x} = \Lambda \mathbf{f} + \boldsymbol{\varepsilon} $$

• x：観測変数ベクトル（p次元）
• Λ：因子負荷量行列 (p × m)
• f：潜在因子（m < p 次元）
• ε：独自因子（誤差項）

分散の分解（共通性・独自性）

各観測変数の分散 = 共通性（因子で説明）+ 独自性（誤差）

$$ \text{Var}(x_j) = h_j^2 + u_j^2 $$

🆚 PCA vs 因子分析

🔄 因子の回転 — 解釈性を上げる

因子分析の結果は回転不変。 解釈しやすい形に回転させるのが標準：

① 直交回転（Varimax）

因子間の直交性を保ちつつ、 「各変数が1つの因子のみに強く依存」する解を探す。 最も一般的。

② 斜交回転（Promax、 Oblimin）

因子間の相関を許容。 心理学的因子（外向性と神経症傾向は相関するなど）に自然。

因子負荷量の解釈

• |loading| > 0.7：強い依存
• 0.4 < |loading| < 0.7：中程度
• |loading| < 0.4：弱い、 通常無視

🔬 数式を言葉で読み解く

🎮 触って理解する — 共通因子モデル $x = \Lambda f + \varepsilon$ を動かす

因子分析の核心は「見えない共通因子 $f$ が、 負荷量 $\Lambda$ を通じて観測変数 $x$ を駆動し、 説明しきれない残りは独自因子 $\varepsilon$ が受け持つ」という生成モデルです。 PCA が「与えられたデータの分散を最大限保つ要約軸」を機械的に探す記述的変換であるのに対し、 因子分析は「データがどう生まれたか」という確率モデル（誤差構造つき）を立てて逆向きに推定します。 以下の 3 つのデモはすべて架空のテスト得点（国語・英語・数学・理科の標準化得点。 実データではありません）を例にしています。

① 潜在因子 f を動かす — 見えない因子が 4 科目を同時に駆動する

「文系因子 $f_1$」「理系因子 $f_2$」の 2 本のスライダーを動かすと、 固定した負荷量行列 Λ（下表）を通じて 4 科目の得点バーが連動して動きます。 スライダー 1 本で複数科目が同時に動く——「観測変数間の相関は共通因子が作る」というモデルの直感です。 「誤差 ε を加える」を ON にすると、 独自性 $\psi_i = 1 - h_i^2$ の大きさに応じたノイズが各科目に乗ります（理論値 $x_i = \lambda_{i1}f_1 + \lambda_{i2}f_2$ からのズレ）。

💬 読み方：f₁ だけ上げると国語・英語が大きく、 数学・理科がわずかに動く（λ の比のとおり）。 これを逆から見るのが因子分析——「国語と英語が一緒に動く」という相関パタンから、 見えない f と Λ を復元する。 ε を ON にすると独自性の大きい英語・理科（ψ=0.47）ほど理論値から大きくブレることも確認できます。

② 負荷量 Λ で相関行列を再現する — モデル相関 $\Lambda\Lambda^\top + \Psi$ と残差

因子分析の推定とは「モデルが作る相関 $\hat{R} = \Lambda\Lambda^\top + \Psi$ が実相関 $R$ に近づくように Λ を選ぶ」こと。 ここでは実相関として上の真の Λ から作った相関行列（例：国語×英語 = 0.8×0.7 + 0.1×0.2 = 0.58）を固定し、 君が 8 個の負荷量スライダーを動かして再現に挑戦します。 対角は独自性 $\Psi$ が埋めるので常に 1。 残差 = 実相関 − モデル相関 が全部白（≈0）になれば再現成功です。

各変数の独自性（スライダー連動）:

💬 読み方：h² = λ₁² + λ₂² が 1 を超えると独自性 ψ が負になるHeywood ケース（不適解）で警告が出ます。 また「正解」以外にも残差をほぼ 0 にできる Λ が無数にあること（例：正解をセットした後、 ③の要領で回転した値）に気づけば、 回転の不定性を体感したことになります。

③ バリマックス回転 — 軸を回すと「意味」が見えてくる

回転前の初期解では、 第 1 因子が全科目に正に負荷する「総合学力」風の一般因子、 第 2 因子が文系と理系の対比、 という解釈しにくい形になりがちです。 負荷量平面（横軸 F1・縦軸 F2 に 4 科目をプロット）で軸を回転させると、 点は動かないまま座標の読み方だけが変わり、 ある角度で各科目が片方の軸だけに強く負荷する「単純構造」が現れます。 スライダーまたは図の上をドラッグして回してください（バリマックス基準 Q が最大になるのは θ = 35°）。

💬 重要：どの角度でも共通性 h²（原点からの距離²）とモデル相関 ΛΛ'+Ψ は一切変わりません。 つまり回転はデータへの当てはまりを変えず、 解釈だけを変える操作——数学的に等価な解が無限にある（回転の不定性）からこそ、 バリマックスのような「解釈しやすさの基準」で 1 つを選ぶのです。

💡 デモが教える落とし穴と発展

• 因子数決定の危うさ：このデモは「2 因子」を天下り的に仮定しましたが、 実データでは因子数自体を平行分析・スクリープロット（固有値の減衰）で決める必要があり、 選択を誤ると以降の解釈がすべて崩れます（詳細は上の「因子数決定の科学」）。
• 回転の不定性：③のとおり、 当てはまりが同じ解が無限に存在。 「Varimax 回転後」か「Promax 回転後」かで負荷量の数値は変わるため、 論文では回転法の明記が必須です。
• 因子得点の不定性：①では f を「操作する側」でしたが、 実データでは逆に x から f を推定します。 このとき ε がある限り f は一意に復元できず（回帰法と Bartlett 法で値が異なる）、 因子スコアは「推定値」に過ぎません。 順序程度の解釈に留めるのが安全です。
• 発展：因子構造を事前に仮定して適合度で検証するのが確認的因子分析（CFA）、 さらに因子間に回帰パスを張って因果仮説モデル全体を検証するのが構造方程式モデリング（SEM）です（本用語集には未収録。 次元削減の俯瞰ページも参照）。 尺度開発では因子ごとの内的整合性をクロンバック α で確認する流れが標準です。

🧮 計算してみる

簡略化した例で因子分析の出力を読み解きます。 SSDSE-B-2026 の家計 4 変数（教育費・教養娯楽費・食料費・保健医療費、 いずれも二人以上の世帯）を1因子に圧縮すると仮定。

🎓 PCA との違い、 回転、 因子数決定

🔬 PCA vs 因子分析 — 数学的にも違う

表面的には似ていますが、 数学的なモデルが違います：

PCA の分解：相関行列をそのまま固有値分解。 すべての分散（共通+独自）を主成分で説明しようとする。

$\Sigma = V \Lambda V^\top$

因子分析の分解：相関行列の対角を共通性で置き換えてから分解。 独自分散は除外する。

$\Sigma = \Lambda \Phi \Lambda^\top + \Psi$

$\Psi$ は独自分散の対角行列。 PCA は $\Psi = 0$（独自分散なし）と仮定した特殊例とも言えます。

結論：使い分け

• 探索的データ解析・次元削減・可視化なら PCA
• 潜在変数の推定・スケール開発なら因子分析

🔄 因子回転 — なぜ必要か

因子分析の解には本質的な不定性があります。 因子軸を回転させても、 観測変数の分散・共分散構造は変わらない。 数学的に正しい解が複数あるので、 解釈しやすい解を選びます。

Varimax 回転（直交）：因子間の相関を 0 に保つ。 各観測変数が「1つの因子に強く、 他の因子にはほとんどロードしない」シンプル構造を目指す。 最も使われる。

Promax 回転（斜交）：因子間に相関を許す。 心理学的構成概念は相関するのが普通（「外向性」と「協調性」は無関係ではない）なので、 より現実的。

回転前の解は機械的に得られるが、 第1因子が「あらゆる変数とそこそこ相関」する一般因子になりがちで、 解釈しにくい。 回転で「各観測変数がどの因子に属するか」をくっきりさせます。

📊 因子数決定の科学

「何個の因子を仮定するか」は分析の核心。 客観的方法：

• カイザー基準：固有値 ≥ 1 の因子を採用。 最も古典的だが、 過剰抽出傾向
• スクリープロット：固有値プロットの「肘」を探す。 視覚的
• 平行分析（Parallel Analysis）：観測データの固有値とランダムデータの固有値を比較。 ランダムを超える因子のみ採用。 現代で最も推奨される手法
• MAP（Velicer's Minimum Average Partial）：偏相関ベース。 過剰抽出を防ぐ
• BIC/AIC：情報量基準
• 解釈可能性：因子に意味づけできるか

R の psych::fa.parallel() で平行分析が簡単に実行できる。 Python でも factor_analyzer パッケージで対応。

🧮 SSDSE-B 実値計算例（47都道府県データ）

SSDSE-B の経済・人口関連 5 変数から潜在因子を抽出する完全例。 因子数決定・回転・スコア計算まで。

① 計算コード

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33

import pandas as pd
import numpy as np
from factor_analyzer import calculate_bartlett_sphericity, calculate_kmo
from sklearn.decomposition import FactorAnalysis
from sklearn.preprocessing import StandardScaler

df = pd.read_csv('data/raw/SSDSE-B-2026.csv', encoding='cp932', skiprows=[1])
df = df[df['SSDSE-B-2026'] == 2023]  # 2023 年の 47 都道府県のみ (n=47)
# 実在列コード: A1101総人口 A1303高齢人口 A4101出生数 A4103合計特殊出生率 L3221消費支出 L322106保健医療費
features = ['A1101','A1303','A4101','A4103','L3221','L322106']
X = pd.DataFrame(StandardScaler().fit_transform(df[features]), columns=features)

# 適切性のチェック
chi2, p = calculate_bartlett_sphericity(X)
print(f'Bartlett: χ²={chi2:.2f}, p={p:.4g}')
kmo_per_var, kmo_total = calculate_kmo(X)
print(f'KMO total = {kmo_total:.3f} （> 0.6 で適切）')

# 注意: factor_analyzer 0.5 は scikit-learn 1.9 で削除された引数
# (force_all_finite) を使うため FactorAnalyzer.fit が動かない。
# ここでは同じことができる scikit-learn の FactorAnalysis を使う。

# 因子数の決定（相関行列の固有値・Kaiser 基準）
eigenvalues = np.linalg.eigvalsh(np.corrcoef(X.T))[::-1]
print('固有値:', eigenvalues.round(3))
print('Kaiser 基準（λ>1）:', int((eigenvalues > 1).sum()))

# 2 因子で Varimax 回転
fa = FactorAnalysis(n_components=2, rotation='varimax', random_state=0)
fa.fit(X)
loadings = pd.DataFrame(fa.components_.T, index=features, columns=['F1', 'F2'])
print('\n負荷量行列（Varimax）:')
print(loadings.round(3))

② 期待出力

👉 値は SSDSE-B-2026 の典型値。 同じ手順で他都道府県・他変数にも適用可能。

🧮 数式に値を入れて手で計算する: 因子負荷量と共通性

SSDSE-B-2026 (47 都道府県) の A1101 総人口・A1303 65歳以上人口・A4103 合計特殊出生率 の 3 変数から 2 因子 (規模因子 F1・出生因子 F2) を取り出した負荷量行列で、 各変数の共通性 h² = 負荷量² の和 を計算する。 ここで示す負荷量は「規模因子 F1・出生因子 F2」の典型的なパタンを表す解説用の丸め例であり（共通性 h² の計算手順を追うための値）、 実データでの正確な負荷量は下の「🐍 Python での実装」①〜③で 2023 年 47 都道府県から再計算できる。

Step 1: 負荷量行列 (解説用の例示値)

Step 2: 共通性 = Σ 負荷量²

💬 読み方: A1101・A1303 は F1 (規模) で大半が説明される (負荷量 0.8・0.7)。 A4103 は F2 (出生) に強く寄り (0.9)、 規模因子からは独立に動く。 h² が大きいほど 2 因子モデルで再現性が高い。

🐍 Python で再現

1
2
3
4
5

import numpy as np
loadings = np.array([[0.8, 0.3],[0.7, 0.2],[0.3, 0.9]])
h2 = (loadings**2).sum(axis=1)
print(f"共通性: {h2}")
print(f"独自性: {1 - h2}")

📤 実行結果

💬 手計算 (Step 2) と Python 出力が完全一致。

🐍 Python での実装

① factor_analyzer による 2 因子解 + Varimax 回転

このコードでやること：SSDSE-B-2026 の人口・出生・世帯生活の 6 指標を factor_analyzer.FactorAnalyzer で 2 因子解を抽出し、 Varimax 回転で「人口規模」「世帯生活・出生」の潜在因子を解釈する。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30

import pandas as pd
import numpy as np
from sklearn.preprocessing import StandardScaler
from sklearn.decomposition import FactorAnalysis

df = pd.read_csv('data/raw/SSDSE-B-2026.csv', encoding='cp932', skiprows=[1])
df = df[df['SSDSE-B-2026'] == 2023]  # 2023 年の 47 都道府県のみ (n=47)
features = ['A1101', 'A4101', 'A4103',  # 総人口 出生数 合計特殊出生率
            'L322106', 'L3221', 'A1303']  # 保健医療費 消費支出 65歳以上人口
X = StandardScaler().fit_transform(df[features])

# 注意: factor_analyzer 0.5 は scikit-learn 1.9 で削除された引数
# (force_all_finite) を使うため FactorAnalyzer.fit が動かない。
# ここでは同じことができる scikit-learn の FactorAnalysis を使う。

# 2 因子モデル + Varimax 回転
fa = FactorAnalysis(n_components=2, rotation='varimax', random_state=0)
fa.fit(X)
loadings = pd.DataFrame(fa.components_.T, index=features, columns=['F1', 'F2'])
print('因子負荷量 (Varimax 回転後):')
print(loadings.round(3))

# 共通性 h² = 各変数の負荷量の二乗和
comm = (fa.components_ ** 2).sum(axis=0)
print('共通性 (h²):', dict(zip(features, comm.round(3))))

# 寄与率 = 各因子の負荷量二乗和 ÷ 変数の数
var = (fa.components_ ** 2).sum(axis=1)
prop = var / len(features)
print(f'累積寄与率: {prop.sum():.3f}')

📤 実行例：

💬 読み方：F1 は A1101 総人口 (0.975)・A4101 出生数 (0.990)・A1303 65歳以上人口 (0.951) に高く負荷 → 「人口規模」因子。 F2 は A4103 合計特殊出生率が強く負に負荷し (−0.712)、 L3221 消費支出・L322106 保健医療費も中程度に負荷 → 「世帯生活・出生」因子（因子の符号は反転可能）。 累積寄与率 69.2% は 6 変数を 2 軸でかなり説明できることを示す。 共通性 h² を見ると A1101 が 1.000、 A4101 が 0.999 とほぼ完全に 2 因子で説明できる一方、 L3221 消費支出は 0.192 しかない ── この変数はどちらの因子にもほとんど乗っておらず、 累積寄与率が 7 割止まりなのは主にこの 1 変数のせいである。 全体の寄与率だけを見て「まあまあ」と流さず、 変数ごとの h² で「取りこぼしている変数」を特定するのが実務の読み方。

② Bartlett 球面性検定 + KMO で因子分析の適合性を確認

このコードでやること：因子分析を実行する前に「変数間に十分な相関構造が存在するか」を Bartlett 検定 (相関行列 = 単位行列の帰無仮説) と KMO (Kaiser-Meyer-Olkin) 指標で診断する。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12

from factor_analyzer.factor_analyzer import (
    calculate_bartlett_sphericity, calculate_kmo
)

# Bartlett 球面性検定
chi2, p_bartlett = calculate_bartlett_sphericity(X)
print(f'Bartlett: χ² = {chi2:.2f}, p = {p_bartlett:.4f}')

# KMO 指標 (0.6 以上で適合可)
kmo_per_var, kmo_total = calculate_kmo(X)
print(f'KMO 全体: {kmo_total:.3f} (≥0.6 で適合可、 ≥0.8 で良好)')
print('変数別 KMO:', dict(zip(features, kmo_per_var.round(3))))

📤 実行例：

💬 読み方：Bartlett p < 0.001 → 「相関なし」を棄却、 因子分析する意味あり。 KMO = 0.681 → 0.6 以上で適合、 因子分析を実行してよい。 SSDSE-B-2026 都道府県データ (2023 年 n=47) は因子分析に向いている。

③ スクリープロットと平行分析で因子数を決定

このコードでやること：固有値の減衰パタン (スクリープロット) とランダム相関行列を比較する平行分析 (Horn 1965) で、 SSDSE-B-2026 の 6 変数を何因子で説明するのが妥当かを客観的に判定する。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19

import numpy as np
import matplotlib.pyplot as plt
np.random.seed(0)   # 実行のたびに同じ結果が出るようにする

# 観測データの固有値
R = np.corrcoef(X.T)
obs_eigs = np.sort(np.linalg.eigvalsh(R))[::-1]

# 平行分析 (ランダム相関行列 100 回の 95 パーセンタイル)
n, p = X.shape
rand_eigs = np.array([np.sort(np.linalg.eigvalsh(
              np.corrcoef(np.random.randn(n, p).T)))[::-1]
              for _ in range(100)])
ref = np.percentile(rand_eigs, 95, axis=0)

print('観測固有値 :', obs_eigs.round(3))
print('ランダム95%:', ref.round(3))
n_factors = int(np.sum(obs_eigs > ref))
print(f'推奨因子数: {n_factors}')

📤 実行例：

💬 読み方：λ₁ = 3.975 はランダム上限 1.656 を大きく超える → 第 1 因子は明確に有意。 λ₂ = 1.089 はランダム上限 1.392 を下回るため、 平行分析では第 2 因子を採用せず「1 因子」を推奨する。 一方 Kaiser 基準 (λ>1) では λ₂=1.089>1 で 2 因子となり、 判定が割れる（ランダム上限は乱数依存でやや変動する）。

📝 より正確な分析：2023 年の 47 都道府県 (n=47) で厳密に再計算すると、 平行分析は 1 因子を、 Kaiser 基準は 2 因子を示唆し結論が分かれる。 λ₂=1.089 は境界ぎりぎりで、 n=47 と小標本のため固有値・ランダム上限とも不安定。 本ページは解釈可能性（「人口規模」「世帯生活・出生」の 2 軸）と Kaiser 基準を優先して 2 因子解を提示するが、 平行分析基準では 1 因子が保守的に妥当であり、 2 因子目は探索的な位置づけであることに留意する。

🐍 Python 実装バリエーション（scikit-learn / scipy / Optuna）

A. scikit-learn による実装

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19

from sklearn.decomposition import FactorAnalysis, PCA

# sklearn の FA（回転なし）
fa = FactorAnalysis(n_components=2, random_state=42)
fa.fit(X)
print('sklearn FA loadings:')
print(pd.DataFrame(fa.components_.T, index=features, columns=['F1', 'F2']).round(3))

# 比較：PCA
pca = PCA(n_components=2)
pca.fit(X)
print('\nPCA loadings:')
print(pd.DataFrame(pca.components_.T, index=features, columns=['PC1', 'PC2']).round(3))
print('PCA 寄与率:', pca.explained_variance_ratio_)

# 因子スコアの計算
scores = fa.transform(X)
print('\n上位 5 県のスコア:')
print(pd.DataFrame(scores, columns=['F1', 'F2'], index=df['Prefecture']).head())

B. scipy / statsmodels による実装

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25

from scipy.stats import chi2 as chi2_dist
import numpy as np
np.random.seed(0)   # 実行のたびに同じ結果が出るようにする

# Bartlett 球面性検定（自前実装）
R = np.corrcoef(X.T)
n, p = X.shape
chi2_stat = -((n - 1) - (2*p + 5)/6) * np.log(np.linalg.det(R))
df_chi = p * (p - 1) / 2
pval = 1 - chi2_dist.cdf(chi2_stat, df_chi)
print(f'Bartlett χ² = {chi2_stat:.2f}, df = {df_chi:.0f}, p = {pval:.4f}')

# 平行分析（Horn 1965）：ランダム相関行列の固有値と比較
n_iter = 100
random_eigs = np.zeros((n_iter, p))
for i in range(n_iter):
    Xr = np.random.randn(*X.shape)
    Rr = np.corrcoef(Xr.T)
    random_eigs[i] = np.sort(np.linalg.eigvalsh(Rr))[::-1]

obs_eigs = np.sort(np.linalg.eigvalsh(R))[::-1]
ref_95 = np.percentile(random_eigs, 95, axis=0)
print('\n平行分析:')
for i, (obs, ref) in enumerate(zip(obs_eigs, ref_95)):
    print(f'  λ{i+1}: 観測 {obs:.3f}, ランダム 95th = {ref:.3f}  {"✓" if obs > ref else "✗"}')

C. Optuna でハイパラ・選択最適化

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31

import numpy as np
import optuna
from sklearn.decomposition import FactorAnalysis

optuna.logging.set_verbosity(optuna.logging.WARNING)
n, p = X.shape

# 因子数を BIC で選ぶ。BIC = -2·対数尤度 + log(n)·パラメータ数
def objective(trial):
    k = trial.suggest_int('n_factors', 1, 5)
    fa = FactorAnalysis(n_components=k, random_state=0).fit(X)
    ll = fa.score(X) * n                      # 対数尤度の合計
    n_par = p * k - k * (k - 1) // 2 + p      # 負荷量 + 回転の自由度を引く + 独自分散
    return -2 * ll + np.log(n) * n_par

study = optuna.create_study(direction='minimize',
                            sampler=optuna.samplers.TPESampler(seed=0))
study.optimize(objective, n_trials=30, show_progress_bar=False)
print('最良の因子数:', study.best_params['n_factors'])
print(f'そのときの BIC: {study.best_value:.2f}')

# 因子数ごとの BIC を並べて確認する
for k in range(1, 6):
    fa = FactorAnalysis(n_components=k, random_state=0).fit(X)
    n_par = p * k - k * (k - 1) // 2 + p
    print(f'  k={k}: BIC = {-2 * fa.score(X) * n + np.log(n) * n_par:7.2f}')

# 回転は当てはまりを変えないので BIC では選べない（解釈しやすさで選ぶ）
for rot in (None, 'varimax', 'quartimax'):
    fa = FactorAnalysis(n_components=3, rotation=rot, random_state=0).fit(X)
    print(f'  回転 {str(rot):10s}: 対数尤度 = {fa.score(X) * n:.4f}')

D. ライブラリ早見表

⚠️ よくある落とし穴

👁️ 直感 — 因子分析は「観測変数の背後にある潜在因子を探る」

因子分析（Factor Analysis）は、 多数の観測変数の背後にある少数の潜在因子（latent factors）を推定する手法。 PCA と似ているが、 「共通因子」と「独自因子（誤差）」を区別する明確な確率モデルを持つ。

典型例：心理測定

• 10項目の質問 → 「外向性」「神経症傾向」「開放性」などの潜在因子に集約
• テスト結果 → 「言語能力」「数学能力」「空間能力」
• 家計5項目 → 「消費水準」「ライフスタイル」

⚠️ 落とし穴（拡張版・各 100 文字以上）

🌐 関連手法・派生

関連する手法・派生バリエーション。

因子分析 (factor analysis) は Spearman (1904) の知能の g 因子に始まる潜在変数モデル。 Thurstone (1947) が多因子分析を確立した。 SSDSE-B-2026 の観測変数群 (総人口 A1101、 65歳以上人口 A1303、 出生数 A4101、 合計特殊出生率 A4103、 消費支出 L3221 等) の背後にある「人口規模」「少子高齢化」「世帯生活水準」といった少数の潜在因子を抽出する。

• 上位概念: 潜在変数モデル (latent variable model) / 多変量解析 (multivariate analysis) — Bartholomew et al. (2011) "Latent Variable Models and Factor Analysis" による分類体系。
• 並列手法: 主成分分析 (PCA, Hotelling 1933) は分散最大化、 因子分析は共通因子の抽出が目的。 PCA は記述的、 FA は確率モデル (誤差項あり)。 多次元尺度法 (MDS) は距離保存、 独立成分分析 (ICA, Comon 1994) は非ガウス性を仮定して因子を分離。
• 因子回転手法: 直交回転 — Varimax (Kaiser 1958)、 Quartimax。 斜交回転 — Promax (Hendrickson & White 1964)、 Oblimin。 SSDSE-B では「経済」と「教育」因子は相関するので Promax が現実的。
• 派生・発展: 確認的因子分析 (CFA, Jöreskog 1969)、 構造方程式モデリング (SEM)、 階層因子分析 (Schmid-Leiman 1957)、 ベイズ因子分析 (Press & Shigemasu 1989)。 機械学習側では確率的 PCA (Tipping & Bishop 1999) や因子分析 EM アルゴリズム (Rubin & Thayer 1982) が連続。
• 前段処理: 標準化 (Z スコア)、 KMO 検定 (Kaiser 1970) で因子分析の適合性確認 (≥0.6 推奨)、 Bartlett 球面性検定で相関行列が単位行列でないことを確認、 因子数決定 (Kaiser 基準: 固有値 > 1、 スクリープロット、 並行分析 Horn 1965)。
• 競合・代替: クラスター分析 (観測の分類 vs 変数の分類)、 PCA (記述目的)、 IRT (項目反応理論、 心理測定)、 トピックモデル LDA (テキスト潜在構造)。

SSDSE-B-2026 47 都道府県の指標を因子分析する場合、 観測数 47 に対し変数 10 程度なら主因子法 + Promax 回転 + 2-3 因子で「経済力」「教育・人材」「人口集中度」が抽出されるのが典型 (Wakui & Wakui 2018 「実践 因子分析」参照)。

🔗 関連用語（前提・並列・発展）

🔗 関連用語（前提・並列・発展）

🔄 PCA との違い・共通性 / 独自性・Varimax 回転 — SSDSE-B-2026 で因子を解釈する

因子分析 (Factor Analysis, FA) は PCA とよく混同されます。 しかし両者は根本的に違うモデルで、 解釈の枠組みが異なります。 さらに FA では Varimax 回転で因子の解釈性を高める手順が標準です。 ここでは SSDSE-B-2026 の都道府県データに対し、 (1) PCA との違い、 (2) 共通性と独自性の分解、 (3) Varimax 回転 — の 3 点を順に見せます。

PCA と FA の根本的違い

このコードでやること: SSDSE-B-2026 の都道府県データから 5 変数 (総人口・出生数・消費支出・合計特殊出生率・保健医療費) を抽出し、 2 因子モデルで FA を実施。 Varimax 回転前後で因子負荷量を比較し、 解釈性の変化を見る。

📥 入力データ (SSDSE-B-2026 抜粋):

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30

import pandas as pd
import numpy as np
from sklearn.preprocessing import StandardScaler
from sklearn.decomposition import FactorAnalysis

df = pd.read_csv('data/raw/SSDSE-B-2026.csv', skiprows=[1], encoding='cp932')
df = df[df['SSDSE-B-2026'] == 2023]  # 2023 年の 47 都道府県のみ (n=47)
cols = ['A1101', 'A4101', 'L3221', 'A4103', 'L322106']  # 総人口 出生数 消費支出 合計特殊出生率 保健医療費
X = StandardScaler().fit_transform(df[cols])

# 注意: factor_analyzer 0.5 は scikit-learn 1.9 で削除された引数
# (force_all_finite) を使うため FactorAnalyzer.fit が動かない。
# ここでは同じことができる scikit-learn の FactorAnalysis を使う。

# 回転なし FA
fa_none = FactorAnalysis(n_components=2, rotation=None, random_state=0).fit(X)
loadings_none = pd.DataFrame(fa_none.components_.T, index=cols, columns=['F1', 'F2'])

# Varimax 回転 FA
fa_vmx = FactorAnalysis(n_components=2, rotation='varimax', random_state=0).fit(X)
loadings_vmx = pd.DataFrame(fa_vmx.components_.T, index=cols, columns=['F1', 'F2'])

# 共通性 (communality) と独自性 (uniqueness)
comm = (fa_vmx.components_ ** 2).sum(axis=0)
uniq = 1 - comm

print('=== 回転なし ===\n', loadings_none.round(2))
print('\n=== Varimax 回転 ===\n', loadings_vmx.round(2))
print('\n共通性:', dict(zip(cols, comm.round(2))))
print('独自性:', dict(zip(cols, uniq.round(2))))

📤 実行結果:

💬 Varimax 回転後、 F1 は 「人口規模」因子 (A1101 総人口・A4101 出生数が高負荷)、 F2 は 「世帯生活水準」因子 (L3221 消費支出・L322106 保健医療費が高負荷) と明快に解釈できる。 A4103 合計特殊出生率は F1 に負に負荷し、 人口規模の大きい都市部ほど出生率が低い傾向を映す。 回転なしでは両因子に中途半端に負荷していた変数が、 回転後は どちらか一方に集中する。 これが Varimax の「単純構造化」の威力。 また共通性 0.98 (A4101 出生数) は 分散の 98% が 2 因子で説明できることを示す。 なお n=47 と小標本のため A1101 の共通性は 1 を僅かに超える (Heywood ケース) など推定はやや不安定で、 結果は探索的に読むべき点に注意。

PCA との対比: 同じデータに PCA をかけると、 第 1 主成分は「経済規模 + 生活水準」が混在した形になります。 FA はモデルに独自因子 ε を含むため、 「測定誤差を切り離して純粋な共通因子だけ取り出す」という点で PCA より解釈性が高いのです。

🖼 因子構造の視覚化補足

因子分析の解釈は、 ローディング行列を表で見るだけでなく 視覚化 で大きく深まる。 ここでは因子分析と縁の深い 3 つの図 (主成分との関係、 スクリープロット、 デンドログラム) を補足する。

✅ 理解度チェック — 因子分析の核心 8 問

SSDSE-B-2026 を題材に、 因子分析の理解を確認する 8 問を用意した。 各問の核心概念は 潜在変数モデル・因子数決定・回転・PCA との違い・サンプルサイズ。

📚 関連グループ教材

factor analysis を学ぶ際に併読すると理解が深まる教材・公的データ・標準資料を以下にまとめる。 内部教材だけでなく、 実データ (SSDSE-B-2026 等) と公式ドキュメントを併用すると応用力が付く。

🗂️ 本サイト内の関連教材

• 📚 用語集トップ — 全 514 用語のインデックス
• PCA (主成分分析) — 因子分析と最も近縁な次元削減手法。 共通因子 vs 全分散の違いを比較学習
• 次元削減 — 因子分析を含む次元削減手法の俯瞰
• SEM (構造方程式モデリング) — 確認的因子分析 (CFA) の発展形
• 固有値・固有ベクトル — 因子抽出の数学的基礎
• バリマックス回転 — 因子軸を解釈しやすくする標準的回転法
• クロンバックα — 因子で構成される尺度の信頼性評価
• 🗺 全体概念マップ — 用語集全体の関係図

📊 実データ・公的統計教材

• SSDSE (教育用標準データセット) — 独立行政法人統計センター — 都道府県別の多変量データ。 SSDSE-B-2026 の 47 都道府県 × 複数指標 (人口・経済・教育・医療) を因子分析する練習に最適
• e-Stat (政府統計の総合窓口) — 社会生活基本調査・国勢調査の多項目データを因子構造分析する素材
• 社会生活基本統計 (総務省) — 生活時間・余暇活動の多次元データ。 ライフスタイル因子の抽出練習

📘 標準書・公式ドキュメント

• scikit-learn — FactorAnalysis 公式ドキュメント — Python での実装リファレンス
• factor_analyzer (Python ライブラリ) — EFA / CFA / 回転法を網羅的に実装したライブラリ。 SPSS と同等の結果を再現可能
• R psych パッケージ — 心理測定・因子分析の事実上の標準ツール (KMO 検定・Bartlett 検定も含む)

これらを順に参照することで、 factor analysis を中核とした「次元削減 → 解釈 → 尺度開発」の体系的理解が得られる。 特に SSDSE-B-2026 を題材に「47 都道府県の社会経済指標から潜在因子を抽出 → バリマックス回転 → 因子得点の散布図」を一通り回すと、 数式と現実データの対応が一気に掴める。

🗺️ 概念マップ — 3つの視点で体系を理解する

因子分析 がデータサイエンスの体系の中でどこに位置するかを、 3つの異なる視点で可視化します。 同じ情報でも見方を変えると気付きが変わります。

📍 体系階層のパス

🌐 統計・データサイエンス › 教師なし学習 › 次元削減 › 因子分析

① 🔗 関係マップ — 「他の手法とどう繋がっているか」

中心に 因子分析 を置き、 そこから PCA・相関係数・標準化・前処理・共分散・Spearman相関 など 計 9 個の用語へ、 前提・兄弟・発展形といった関係を矢印で結んでいます。 線がどちら向きかを見れば、 先に読むべき用語とあとから読む用語が分かります。 ノードはドラッグで動かせ、 ホイールでズーム、 クリックでその用語のページへ遷移します。

② ⭕ 包含マップ — 「どのカテゴリに含まれているか」

大きな円が小さな円を包含する Circle Packing 図。 「因子分析」は緑色でハイライト。

• カテゴリ円をクリック：その内部にズームイン
• 白背景クリック：1階層戻る
• 用語円をクリック：詳細ページへ遷移
• マウスホバー：階層パス表示

③ 🌳 ツリーマップ — 「面積で見るボリューム比較」

長方形を入れ子に分割した Treemap 図。 各分野の規模感を面積で比較。 「因子分析」は緑色でハイライト。

• カテゴリ矩形をクリック：その内部にドリルダウン
• パンくず（上のリンク）クリック：その階層に戻る
• 用語矩形をクリック：詳細ページへ遷移
• マウスホバー：階層パスと値を表示

🎯 3つのマップの使い分け

💡 3 つの図は同じ位置関係を別の角度から描いています。 関係マップは 因子分析 の隣に何が並ぶかを、 包含マップとツリーマップは 統計・データサイエンス → 次元削減 → 因子分析 という入れ子の位置を示します。 「次元削減には他に何があったか」を思い出したいときは包含マップを、 「次に何を読むか」を決めたいときは関係マップを開いてください。

🔗 隣接手法への橋渡し

「因子分析」は単独で完結せず、 隣接する手法と接続することで分析パイプラインの一部として機能する。 以下に具体的な接続関係を示す。

• 上流（入力側で必要となる前処理・前提）: 相関行列・KMO 標本妥当性 (Kaiser 1974)・Bartlett 球面性検定
• 並列（同じ目的を持つ代替・競合手法）: 主成分分析 (PCA, Pearson 1901)・独立成分分析 (ICA)・SEM (確認的因子分析)
• 下流（因子分析 の結果を活用する後続手法）: バリマックス回転 (Kaiser 1958) / プロマックス回転・因子得点算出・信頼性係数 α (Cronbach 1951)

因子分析は (1) KMO > 0.6 で標本妥当性確認 → (2) 平行分析 / MAP 基準で因子数決定 → (3) 主因子法 or 最尤法で抽出 → (4) varimax (直交) or promax (斜交) 回転で解釈性向上 → (5) Cronbach's α で内的整合性 → (6) 因子得点で後続分析、 という 6 段の手順が心理計量学 (Brown 2015) の標準。 PCA とは「観測 = 因子の線形結合 + 誤差」の構造で異なる。

🌳 手法選択フロー

「factor analysis」を含む手法選択は、 データの性質・分析目的・運用制約の 3 軸で決まる。 以下に典型シナリオと対応する手法の組合せを示す。

典型シナリオ別の手法選択

選んだ後の検証ステップ

1. 前処理確認: 標準化 / 欠損処理 / カテゴリ変数のエンコード が適切か
2. ハイパラ調整: 交差検証で安定する値を選ぶ
3. 性能評価: タスクに応じた指標 (RMSE / Accuracy / F1 / AUC / シルエット等) を複数併用
4. 頑健性チェック: 別手法 / 別シードで結果が大きく違わないか確認
5. 解釈: 結果を分野知識と照らし合わせ、 意味のある発見になっているか検討

🧭 解説深化（追記）— 「測定モデル」としての因子分析

ここは既存の解説を壊さずに追記したまとめです。 因子分析を「データがどう生まれたかを説明する測定モデル」として捉え直し、 直感・落とし穴・発展を 1 か所に凝縮します。 数値はすべて SSDSE-B-2026.csv（cp932・skiprows=[1]・2023 年 47 都道府県）からの実測で、 合成データを使う箇所は「架空」と明記します。

🎨 直感の再確認 — 因子は「原因」、 観測変数は「結果」

因子分析の世界観は矢印の向きに集約されます。 潜在因子 f → 観測変数 x（因子が観測を生成する）。 一方 PCA は 観測変数 x → 主成分 PC（観測を機械的に合成し直す）。 この向きの違いが「測定モデル vs 次元圧縮」という性格の違いを生みます。

各観測変数は x = 共通因子成分（Λf）＋ 独自因子成分（ε） に分かれます。 共通因子成分は「複数の変数が一緒に動く部分」、 独自因子成分は「その変数だけに固有の変動＋測定誤差」。 だから因子分析は変数間の相関の共通源を推定する作業に他なりません。

📊 実データで「相関の共通源」を見る（SSDSE-B-2026・2023 年 47 県）

相関が高い変数群は同じ因子から駆動されている、 というのが読みの起点です。 下は実測の相関係数（標準化後）です。

💬 A1101・A4101・A1303 は r≈0.99 でほぼ同じ動きをするため、 1 本の共通因子（人口規模）で束ねられます。 一方 A4103 は規模系と負の相関しか持たず、 別の軸に載ります。 「強く相関する塊」を探すことが、 そのまま因子の発見に直結する——これが測定モデルの直感です。

⚠️ 落とし穴の再整理（重要ポイントだけ凝縮）

🚀 発展 — 数理・回転・SEM への接続

• 共通性 h² と独自性 ψ：h² = 負荷量²の和（＝分散のうち共通因子で説明される割合）、 ψ = 1 − h²。 分散・共分散・相関の分解として理解できる。
• 回転（直交／斜交）：Varimax・Quartimax（直交）、 Promax・Oblimin（斜交）。 直交回転後の負荷量は因子と変数の相関に一致するが、 斜交回転では「パタン行列」と「構造行列」が分かれるので注意。
• 確認的因子分析（CFA）：因子構造を事前指定し適合度で検証。 EFA の次の段階。
• 構造方程式モデリング（SEM）：因子（潜在変数）間に回帰パスを張り、 測定モデルと構造モデルを同時に推定する枠組み。 CFA は SEM の測定部分の特殊形。 （本用語集に単独ページは未収録。 Python では semopy が代表的）
• 潜在変数モデルとしての位置づけ：因子分析は「観測の背後に連続的な潜在変数を仮定する」モデル族の一員。 離散潜在変数なら潜在クラス分析、 項目反応理論（IRT）は測定論的な近縁。 （潜在変数の単独ページは本用語集に未収録）

🔗 関連ページ（本用語集内・実在リンクのみ）

• 主成分分析（PCA） — 最も近縁。 「次元圧縮 vs 測定モデル」の対比で必読
• 次元削減 — 因子分析を含む俯瞰ページ
• 相関係数 — 因子分析の入力（相関行列）の基礎
• 共分散 — 分散共分散構造の分解を理解する前提
• 分散 — 共通性／独自性の分解の土台
• 標準化 — 単位の異なる変数を揃える前処理
• 固有値・固有ベクトル — 因子数決定（固有値の減衰）の数学的基礎
• クラスタリング — 変数の要約 vs 観測の分類、という対比で理解が深まる

📝 補足：構造方程式モデリング（SEM）・潜在変数モデルの単独解説ページは本用語集に未収録のため、 上記リンクには含めていません（リンク切れ防止）。 実装で確認する場合は semopy（SEM/CFA）・factor_analyzer（EFA・回転・KMO・Bartlett）が標準です。