r - 心理包：应用哪种探索性因素分析方法

Question

我正在尝试使用 psych 包进行探索性因素分析 R。我的数据由不同尺度的项目组成——它们都非常倾斜，但响应类别的数量不同（范围从 4 到 7）。我应该使用哪种因子分析方法？Minres 还是 WLS？在进行 EFA 之后，我想使用 lavaan 包进行 CFA。这里的估计 MLM 似乎适合我的数据。在 MPlus 中，有一种 MLM 方法可用于探索性和验证性因素分析。你知道哪种因素分析方法最有可能在心理上与 MLM 估计量相对应吗？或者您对转换数据有何看法？谢谢你的帮助，亲切的问候A。

Answer 1

对于 4-7 个类别的分类项目，我将使用 fa 中的 cor="poly" 选项，然后运行默认 (minres) 或 WLS 选项。

使用 cor="poly" 选项查找相关矩阵时，会给出类别数不相同的警告，但可以忽略。

对于完整数据，cor="poly" 选项生成与 lavann 多变量矩阵相同的相关矩阵。我没有将它们与 MPlus 进行比较。

我发现 fa 中的 minres（默认）选项比 WLS 更强大，但您的里程可能会有所不同。

Answer 2

使用 psych_1.9.12，您可以指定 cor="mixed"，mixedCor 将找出哪些变量是 dictotmous，哪些需要 polychorics，等等。

它给出了一条消息，mixed.cor 已被弃用。忽略那个。

保理可能没问题。问题在于估计找到因子分数所需的权重。该特定消息也不是很有帮助，因为无论您指定什么，该计算中使用的权重始终只是回归权重。那是一个错误。但是，因子分解很好，只是因子不确定性的估计被搞砸了。