因子負荷量と固有ベクトルの違いをわかりやすく解説！中学生にも伝わる基礎からのヒント

---

因子負荷量と固有ベクトルの基本を理解する

因子負荷量と固有ベクトルは、データを「どうやって整理するか」という点で大切な役割を果たします。まず因子負荷量についてから話すと、因子負荷量は観測しているいくつかの変数が、背後にある“因子”という誰にも見えない性質にどれくらい影響を受けているかを示す数値です。例えば、学校のテストデータなら、数学の点数と理科の点数が高く結びつくとき、それらの変数は同じ因子に強く影響されていると考えます。

このとき負荷量の大きさが大きいほど、その変数はその因子に「寄り添っている」ことを意味します。

続いて固有ベクトルについて。固有ベクトルはデータの“方向”を決める指針のようなもので、特に主成分分析という方法ではデータ全体のばらつきを最大に説明する方向を見つけ出すために使われます。データの分布を想像すると、長く伸びている方向があり、その方向に沿ってデータが広がるのが見えます。この“広がる方向”を決めるのが固有ベクトルです。ここで重要なのは因子負荷量と固有ベクトルは別物だという点です。因子負荷量は観測変数と潜在因子の関係を表す数値、固有ベクトルはデータの分散の主な方向を表すベクトルです。

つまり、因子負荷量は「何と何が結びついているか」を示し、固有ベクトルは「データがどの方向に広がるか」を示すのです。

違いを生む仕組みと使い方を比較してみよう

因子負荷量と固有ベクトルは同じようにデータ分析で使われますが、目的や解釈が異なります。主な違いは「意味するもの」と「計算の出どころ」です。因子負荷量は因子分析で推定され、各観測変数がどの因子にどれだけ関連しているかを示します。

これに対して固有ベクトルはデータの共分散行列や相関行列の固有値・固有ベクトルから直接求められ、データの分散を最も効果的に説明する方向を指します。

この違いは、分析の目的が「背後にある原因を探る」か「データの構造を要約する」かで変わってきます。

以下の表を見てみましょう。

<table>比較項目因子負荷量固有ベクトル意味観測変数と潜在因子の関係の強さデータの主成分の方向を示す出どころ因子分析で推定PCAなどの共分散・相関行列の固有解から得られる解釈の仕方因子の意味づけが重要データの分散を説明する方向を指す活用の場面データの背後の因子を理解する時データを要約・次元削減するときtable>

このように、因子負荷量と固有ベクトルは使い方が異なり、それぞれの役割を理解することが分析を正しく進める鍵になります。表や図を使って整理すると、どちらがどの場面に向いているかが頭の中で結びつきやすいですよ。

最後に覚えておくべきポイントは、因子負荷量は変数と因子の関係を表す指標、固有ベクトルはデータの分散の主成分方向を表すベクトルというシンプルな区別です。これだけ押さえておけば、授業の問題にも自信を持って取り組めます。

ピックアップ解説

因子負荷量について友だちと雑談する形で話してみると、まず“原因がどこにあるか”を探るときに使う道具だと分かりやすい。もちろん因子負荷量は因子分析で出てくる数値で、変数と因子の結びつきを表すスコアみたいなものだよね。でも友だちと話して気づいたのは、因子負荷量が大きいとその変数は“その因子の代表格”みたいな役割を果たすことが多い、ということ。

---