回帰・媒介分析：研究の統計パイプラインを自動化する

回帰分析と媒介分析は、サーベイベースの研究で最も頻繁に使われる手法です。ある変数が別の変数を予測するのか、あるいはその関係が中間メカニズムを通して働いているのかを検証する研究では、ほぼ必ずどちらか（あるいは両方）が登場します。

この記事では、コアな概念、よくあるつまずき、自動化されたパイプラインが実務をどう変えるかを順に説明します。

重回帰：サーベイ研究の主力

重回帰は、2 つ以上の予測変数からアウトカム変数を予測する手法です。サーベイ研究での典型例は次のようなものです。

• 知覚有用性と知覚使いやすさは、テクノロジー受容意図を予測するか
• 職場環境、給与満足度、上司の質のうち、離職意図を最もよく予測するのはどれか

回帰式は、各予測変数の係数を推定し、他の予測変数を統制したうえでアウトカムとの関係の方向と強さを示します。

必ず確認すべき前提

回帰の結果は、いくつかの前提が満たされて初めて妥当になります。

• 線形性：予測変数とアウトカムの関係がほぼ線形であること
• 多重共線性なし：予測変数同士が高すぎる相関を持たないこと（VIF をチェック。10 を超えると問題）
• 等分散性：残差の分散が予測値全体でおよそ一定であること
• 残差の正規性：残差の分布がほぼ正規であること
• 影響の強い外れ値なし：Cook's distance で極端な観測点を確認

前提チェックを飛ばすことは、論文がリジェクトされる、あるいは大幅修正を要求される代表的な原因のひとつです。査読者は確実に見ています。

回帰結果の報告方法

標準的な回帰表には次が含まれます。

• 非標準化係数（B）と標準誤差
• 標準化係数（β）：相対的な重要度の比較用
• t 値と p-value：有意性の検定
• R² と調整済み R²：モデルの当てはまり
• F 統計量：モデル全体の有意性

解釈は「X は Y を有意に予測した（p < .05）」で終わらせず、実用的な意味、効果量の比較、仮説との対応関係まで論じます。

媒介分析：メカニズムの検証

媒介分析は、より特定の問いに答えます。X の Y への効果は、第 3 の変数 M を介して働くのか。

例：

• リーダーシップスタイル（X）はチームの信頼（M）を介してチームパフォーマンス（Y）に影響するか
• ソーシャルメディア利用（X）はブランド認知（M）を介して購買意図（Y）に影響するか

古典的な Baron and Kenny (1986) のアプローチでは、複数の回帰モデルにわたって 4 つの条件を満たす必要がありました。現代では、Hayes (2013) が提案したブートストラップ法、特に SPSS 用の PROCESS マクロや R の mediation パッケージを使う方法が主流です。

PROCESS マクロのハードル

SPSS で媒介分析を行う場合、サードパーティのアドオンである PROCESS マクロをインストールし、モデル番号で指定する必要があります（単純媒介は Model 4、調整媒介は Model 7、など）。

PROCESS の枠組みに不慣れな研究者にとっては、いくつもの障壁があります。

• 自分の理論枠組みに対応するモデル番号を特定する
• 総効果、直接効果、間接効果の違いを理解する
• 間接効果のブートストラップ信頼区間を解釈する
• 変数の中心化や平均中心化のタイミングを把握する

解析自体は手順が分かれば 10 分で済みますが、そこに至るまでにドキュメントとチュートリアルを読み込む数時間がかかります。

媒介分析結果の報告

媒介分析のレポートには次を含めます。

• X から Y への総効果（パス c）
• M を統制した X から Y への直接効果（パス c'）
• M を介した間接効果（a × b）
• 間接効果のブートストラップ信頼区間（CI が 0 を含まなければ間接効果は有意）
• 間接効果の効果量（部分標準化間接効果など）

調整分析：境界条件の検証

調整分析は、X と Y の関係が第 3 の変数 W の値によって変わるかを検証します。媒介が「どのように」を問うのに対し、調整は「いつ・誰にとって」を問います。

例：

• トレーニングの職務遂行に対する効果は、経験年数によって異なるか
• 価格感度と購買意図の関係は、低所得層でより強いか

回帰の文脈では、モデルに交互作用項（X × W）を投入することで調整を検証します。交互作用が有意であれば、X が Y に与える効果は W の値に依存します。

実務的な手順

1. 予測変数（X）と調整変数（W）を中心化または標準化する
2. 交互作用項（X × W）を作成する
3. X、W、X × W で Y を予測する回帰を回す
4. 交互作用が有意なら、単純傾斜分析でパターンを掘り下げる
5. 交互作用プロットでパターンを可視化する

手作業ワークフローの負担

回帰、媒介、調整を含む研究を SPSS で手動で進める場合、おおむね次の作業が並びます。

• 予備分析（相関、記述統計）
• 回帰前提のチェック
• 主要回帰モデルの実行
• PROCESS マクロのインストールと設定
• ブートストラップ付き媒介モデルの実行
• 交互作用項を含む調整モデルの実行
• 有意な交互作用の掘り下げ
• 各分析の表と図の作成
• 各結果に対する解釈テキストの執筆

各ステップのやり方を既に知っていても、集中して 2〜3 日はかかる工程です。

Data2Paper による自動化

Data2Paper は、回帰・媒介の解析パイプライン全体に対応します。

• 研究フレームワークに基づき、予測変数、媒介変数、調整変数、アウトカムを自動的に同定
• 前提チェック（VIF、正規性、等分散性）を含む回帰を実行
• ブートストラップ信頼区間付きで媒介分析を実行
• 交互作用項と単純傾斜で調整を検証
• 学術慣例に沿った係数表を生成
• 研究文脈で結果を説明する解釈テキストを生成

出力には、結果セクションに必要な要素一式（表、図、文章）が Word、PDF、LaTeX で含まれます。解析の機械的な作業に数日かけるのではなく、結果がリサーチクエスチョンに対して何を意味するのかを考える時間に振り向けられます。