Questions tagged «factor-analysis»

我在SPSS中通过因子分析设置了一组20个变量。为了研究的目的，我需要发展6个因素。SPSS已显示8个变量（共20个）已被低权重加载或由于多个因素而均等地加载，因此我将其删除。剩下的12个变量已经在6个因子中成对装入了2个，这是完美的结构-就像我想要的那样，但是现在，一位与我合作的教授希望我找到理由（在什么条件下）每个因子仅保留2个项目是适当的，因为众所周知，因子分析对于每个因子加载3个或更多项目的结果很有用。 谁能帮我解决这个问题，最好还提供公开的参考资料？

10 spss  factor-analysis  references  assumptions 

方程的线性系统普遍存在于计算统计中。我遇到的一种特殊系统（例如，在因子分析中）是 Ax=b一个X=bAx=b 其中 这里d是Ñ × Ñ对角线矩阵具有严格为正对角，Ω是米× 米（具有米« Ñ）对称半正定矩阵，乙是任意Ñ × 米矩阵。我们被要求解决一个被低秩矩阵扰动的对角线性系统（简单）。解决上述问题的幼稚方法是使用伍德伯里公式将A求逆A=D+BΩBT一个=d+乙Ω乙ŤA=D+ B \Omega B^TDdDn×nñ×ñn\times nΩΩ\Omegam×m米×米m\times mm≪n米≪ñm\ll nB乙Bn×mñ×米n\times mAAA。但是，这并不对劲，因为Cholesky和QR因式分解通常可以大大加快线性系统（和法向方程式）的求解速度。我最近提出了以下论文，该论文似乎采用了Cholesky方法，并提到了伍德伯里反演的数值不稳定性。但是，该论文似乎是草稿形式，我找不到数值实验或支持性研究。解决我描述的问题的最新技术水平是什么？

10 factor-analysis  matrix  computational-statistics  matrix-decomposition  matrix-inverse 

我必须对由二分变量（0 =是，1 =否）组成的数据集进行因子分析，我不知道自己是否走对了。 使用tetrachoric()我创建一个相关矩阵，并在其上运行fa(data,factors=1)。结果与使用MixFactor时收到的结果非常接近，但事实并非如此。 可以吗？还是您建议其他程序？ 为什么会fa()工作并factanal()产生错误？（Fehler in solve.default(cv) : System ist für den Rechner singulär: reziproke Konditionszahl = 4.22612e-18）

10 r  factor-analysis  psychometrics  binary-data 

我正在尝试为以下因素分析模型实现EM算法； w ^Ĵ= μ + B aĴ+ eĴ对于j = 1 ，… ，nWj=μ+Baj+ejforj=1,…,nW_j = \mu+B a_j+e_j \quad\text{for}\quad j=1,\ldots,n 其中是p维随机向量，是潜变量的q维向量，是参数的pxq矩阵。一个Ĵ乙w ^ĴWjW_j一个Ĵaja_j乙BB 由于该模型使用了其他假设，因此我知道，其中是误差项的方差协方差矩阵， = diag（，，...，）。d È Ĵ d σ 2 1 σ 2 2 σ 2 pw ^Ĵ〜ñ（μ ，B B′+ D ）Wj∼N(μ,BB′+D)W_j\sim N(\mu, BB'+D)dDDËĴeje_jdDDσ21个σ12\sigma_1^2σ22σ22\sigma_2^2σ2pσp2\sigma_p^2 为了使EM算法正常工作，我正在进行涉及和矩阵估计的圆顶迭代，并且在这些迭代过程中，我在每次迭代中使用和新估计来计算的逆。不幸的是，在迭代过程中，失去了正定性（但不应该这样做，因为它是一个方差-协方差矩阵），这种情况破坏了算法的收敛性。我的问题是：D B B ' + D B D B …

10 factor-analysis  expectation-maximization 

我刚刚使用倾斜旋转（promax）运行了FA，并且一个项目在一个因素上产生了1.041的因素负荷（使用模式矩阵在其他因素上产生了-.131，-。119和.065的因素负荷） 。而且我不确定这是什么意思，我认为它可能只有-1和1之间。 是由于倾斜旋转吗？用正交因子可以使载荷超过1吗？

10 pca  factor-analysis  factor-rotation 

假设我有一个数据集，其中包含一堆问卷项目的得分，理论上，这些项目的评分范围较小，例如心理学研究中。 我知道这里的常见方法是使用Cronbach's alpha或类似方法检查量表的可靠性，然后将量表中的项目汇总以形成量表分数并从那里继续进行分析。 但是，还有因素分析，可以将您所有项目的得分作为输入，并告诉您其中哪些构成一致的因素。通过查看负载和社区等，您可以了解这些因素的强大程度。对我来说，这听起来像是同一件事，只是更深入。 即使您所有的秤可靠性都不错，EFA也会根据哪些项目更适合哪个秤来纠正您，对吗？您可能会遇到交叉负荷，使用派生因子得分比简单的比例总和更有意义。 如果我想将这些量表用于以后的分析（如回归或ANOVA），只要能保持其可靠性，我是否应该汇总这些量表？或者是CFA之类的东西（测试量表是否保持良好的因素，这似乎在衡量与“可靠性”相同的东西）。 我已经分别学习了这两种方法，所以我真的不知道它们之间的关系，是否可以一起使用它们，或者哪种方法对哪种环境更有意义。在这种情况下，是否存在用于良好研究实践的决策树？就像是： 根据预测的规模项目运行CFA 如果CFA拟合良好，请计算因子得分并将其用于分析。 如果CFA显示不合适，请改用EFA并采用探索性方法（或其他方法）。 因子分析和可靠性测试是否确实是针对同一事物的单独方法，还是我在某个地方误解了？

9 factor-analysis  reliability  psychometrics  cronbachs-alpha  scale-construction 

我正在探索一项10项自我报告测评的心理测量特性。我有两个独立样本中的大约400个案例。这些项目以4点李克特量表完成。全民教育显然支持单因素解决方案（例如，第一特征值超过6，所有其他本征值低于1），而克朗巴赫的alpha值很好（例如.90）。没有项目具有较低的项目-总相关性。 我最初想做一个CFA（EFA只是我发现CFA不好之后的后续工作），测试一个单因素模型。令我惊讶的是，该模型的适用性相对较差： CFI=.91 TLI=.88 RMSEA=.13 此外，每个项目的负载都非常好（.65+）。 奇怪的是SRMR=.05，这是可以接受的/很好。 修改索引建议我将各地的错误相关联。如果有明确的理由这样做（例如，某些项目的措词非常相似），我会这样做；但是，所有度量的措词都类似，并且将所有错误术语关联起来将是奇怪而痛苦的。 我从未见过这样的情况。这项措施在内部是一致的，显然是全民教育中的一个因素，但在CFA中显示不佳。在两个独立的样本（来自不同大陆）中，结果是一致的。我尝试了两因素CFA（将5个随机项目分组），拟合度相同，甚至略胜一筹。 这是我的问题： 考虑到EFA / Cronbach alpha /因子负荷，为什么CFI / TLI / RMSEA的拟合度如此差？ 为什么SRMR好，而其他指数却不好？我知道他们会衡量不同的事物，但以我的经验，他们几乎总是会聚在一起。 我应该关联一些错误吗？ 示例项目： 你有缺点的想法 您的想法很难忘记 你一直在想情况

9 factor-analysis  survey  psychometrics  psychology  confirmatory-factor 

我想基于22个变量对SPSS进行主成分分析（因子分析）。但是，我的一些变量非常偏斜（根据SPSS计算得出的偏斜范围为2–80！）。 所以这是我的问题： 我应该保留这样的偏斜变量，还是可以在主成分分析中转换变量？如果是，我将如何解释因子得分？ 我应该进行哪种类型的转换？log10还是ln？ 最初，我的KMO（Kaiser–Meyer–Olkin）为0.413。许多文献建议最小值为0.5。我仍然可以进行因子分析，还是需要删除变量以将我的KMO提高到0.5？

9 pca  factor-analysis  dimensionality-reduction  skewness 

一位匿名读者在我的博客上发布了以下问题。 内容： 读者希望通过问卷对量表进行因子分析-但数据来自成对的丈夫和妻子。 题： 可以对二元数据进行因子分析吗？如果是这样，怎么办？ 独立性假设是否适用于因子分析？

9 factor-analysis  independence 

几个统计软件包（例如SAS，SPSS和R）使您可以在PCA之后执行某种因子轮换。 为什么要在PCA之后进行轮换？ 考虑到PCA的目的是产生正交尺寸，为什么要在PCA之后进行倾斜旋转？

9 pca  factor-analysis  factor-rotation