３．理解認識の条件｜国家特性の分析
多変量解析のもつ課題と階層性
P4
ここでは世界各国が公表している２００３年から２００６年にわたるデータ、ＩＭＦ、世界銀行、あるいはユネスコやアメリカ商務省国勢調査局の国際データベースなど厳密な統計処理には時系列にも、国内政情や国際的に課題の多い国ほど欠損値の多いことなどの問題を残すものの、概観するには十分と思われるデータを使用し、客観性を保つべく構造科学的な一定のルールに従って造られた国家のもつ多くの情報を階層的な扇形構造に分別し、自然環境、政治構造、都市構造、社会構造、産業構造などに分類しつつ、これに適合しそうな情報データを変数として採用し、統計ソフトＳＰＳＳ15.0Jを用いて、ステップ・ワイズ法による因果関係を理解しつつ、因子抽出法として主成分分析を用い因子分析を実施することとしたのであります。
因子分析は、対象となる変数、すなわち観測変数グループ総体の相関に生まれる名付けることが出来るパターンを説明する因子を特定しようとする試みであり、因子分析は通常、データを分解して多数の顕在変数で観測された分散のほとんどを説明できる少数の因子を識別抽出するために使用するように工夫されています。
因子分析は、原因のメカニズムに関する仮説を立てる場合や、次の分析に必要な変数を選別する (線型回帰分析を実行する前に各変数のもつ多重共線性を識別するなどの) 場合にも使われるものであります。
ここでは次に述べるIMFや世界銀行の業務展開に当たっての義務として公的に収集されて公表されたデータは、先述のごとく特に政情不安な国情を反映して客観的な統計値を収集する余裕がない国家ほど欠損値が多く、特に母集団として適正な統計的精度を上げるには未だ課題は多いのですが、地域的に或いは想定される特性別に欠損値の多い国家を、ぎりぎりの判断まで加入させ解析に当てることにしています。従って解析値の解読に当たっては、十分な配慮を加える必要のあることに留意して頂きたいと思います。
また日本における地域コミュニティとも言える各県の実態データ並びに、米国における各州のコミュニティ・データ等を収集し、解析に当てるために扇形構造として再整理して多変量解析に耐える程度まで整備した上で、国家における扇形構造因子（web参照）に適合できるように再配置し各データの偏在を避け、多変量解析ソフトによって因子抽出法を主成分分析にした因子分析を実施したのであります。
他方で、国家別ではなく英連邦という歴史的な背景を共有する国家の連合体や、ヨーロッパ連合(以下ＥＵと呼ぶ)という社会的極性を示すべくして連合した国家連合体の働きを解析上で観察しながら、特徴的特性の発現様式を比較しようとしています。
その概要はおおよそ次のようなものであります。