g因子とは

g因子は異なる知能課題に共通する成分

語彙、計算、図形推理、記憶は、求められる内容が異なる課題です。それでも多数の人の成績を比べると、ある課題で高得点の人は、別の課題でも高得点を取りやすい傾向があります。この異なる認知課題に共通して表れる成分が、一般知能因子であるg因子です。

課題同士が全体として正に相関する現象は「正の多様体」と呼ばれます。Spearmanが1904年の研究で一般因子を提案して以来、g因子は知能検査の全体的な成績を説明する中心概念になっています。

正の相関からg因子を推定する仕組み

g因子は、一つの問題に答えるだけで直接測れる得点ではありません。語彙、推理、記憶、速度など複数課題の得点を集め、その相関関係から推定する潜在変数です。

因子分析では、多くの課題が一緒に上下する部分と、各課題だけに残る部分を分けます。語彙課題なら言葉の知識、記号探索なら視覚的な探索速度という課題固有の違いを含みながら、課題群に共通する得点変動をg因子として表します。

正の多様体は、文化や検査が異なっても広く確認されています。一方、この共通性を単一の一般能力が生み出すのか、複数の能力の相互作用や、課題間で重なる認知過程から生まれるのかは議論が続いています。

g因子とIQ・FSIQの違い

FSIQは、内容の異なる複数の下位検査をまとめるため、g因子を強く反映します。ただし、FSIQは検査ごとに定められた構成と換算方法から算出する観測得点であり、g因子はその得点関係を説明する潜在変数です。FSIQの算出と読み方は、FSIQとはで詳しく扱っています。

g負荷量は課題とg因子の結びつきを表す

g負荷量は、ある下位検査の成績がg因子とどれほど強く結びついているかを表す値です。単純な一因子モデルでは、g負荷量が.70なら、その二乗の.49、つまり得点の分散の49%がgと共有される計算になります。

WAIS-IVの分析では、算数や単語などが比較的高く、処理速度課題は低いg負荷量を示しました。g負荷量は問題の難易度ではなく、課題群に共通する能力をどれだけ反映するかを表します。同じ下位検査でも、対象集団や組み合わせる検査、統計モデルによって値は変わります。

IQ検査が内容の異なる課題を組み合わせるのは、特定の知識や出題形式だけに偏らず、課題群に共通する全般的な水準を捉えるためです。

g因子は学業・研修との関係が強い

g因子は、とくに新しい内容の学習や習得と強く関係します。学業成績のメタ分析と、職業訓練・職務成績のメタ分析では、成果によって関係の強さが異なります。

gは学業や研修の習得をよく予測しますが、現代の職務成績との関係は従来想定されていたほど強くありません。最新の職務データでは、「複雑な仕事ほどgの予測力が高い」という従来の説明も支持されませんでした。IQが表す全体水準を現実の成果とどう結びつけるかは、IQを測る意味で詳しく説明しています。

g因子とCHC理論の広域能力は異なる水準を表す

CHC理論では、知能を一般能力、広域能力、狭域能力の階層で整理します。現在よく使われるCarroll型の表現では、最上位にg因子、その下にGc、Gf、Gv、Gwm、Gsなどの広域能力を置きます。CHCの源流となったHornの理論は、単一の最上位gを置きませんでした。

g因子は認知課題全体に共通する水準を表し、広域能力はどの種類の課題で力が出やすいかを表します。そのため、総合IQが近い人同士でも、言語理解、推理、視空間処理、ワーキングメモリ、処理速度の組み合わせは異なります。能力の組み合わせを具体的な場面へつなげる方法は、認知プロファイルとはで説明しています。

BrainTypeIQでは、9科目から総合IQと5能力のプロファイルを表示します。