1

我正在使用威斯布鲁克和奥利弗关于 1991 年对消费的情绪反应的数据来练习 EFA。

> data
     X1    X2   X3   X4   X5   X6   X7   X8  X9 X10
1  1.00    NA   NA   NA   NA   NA   NA   NA  NA  NA
2  0.20  1.00   NA   NA   NA   NA   NA   NA  NA  NA
3  0.08  0.30 1.00   NA   NA   NA   NA   NA  NA  NA
4  0.13 -0.30 0.37 1.00   NA   NA   NA   NA  NA  NA
5  0.27 -0.22 0.28 0.80 1.00   NA   NA   NA  NA  NA
6  0.22 -0.23 0.39 0.84 0.85 1.00   NA   NA  NA  NA
7  0.22 -0.20 0.45 0.76 0.82 0.92 1.00   NA  NA  NA
8  0.33 -0.07 0.46 0.67 0.72 0.80 0.83 1.00  NA  NA
9  0.31 -0.08 0.40 0.55 0.60 0.67 0.77 0.76 1.0  NA
10 0.25 -0.21 0.48 0.74 0.68 0.78 0.78 0.70 0.7   1

到目前为止，这是我的脚本：

data <- read.table("data.txt", fill=TRUE, col.names=1:no_col2)
corr <- xpnd( data[lower.tri(data, diag=T)] , no_col2)

corr.pc <- eigen(corr)

plot(corr.pc$values,type="o", pch=16)
abline(h=1,col="grey")
sum(corrB.pc$values>1)

从视觉上看，弯道似乎在 F3 处。然而，根据凯撒法则，我们只保留前两个因子，因为它们的方差大于 1。我检查了最初的研究，似乎他们确定了三个因素。

但是当我用 factanal() 检查三个因素是否足够时，答案是需要三个以上的因素。事实上，五似乎是充分因素的最小数量。

fa1<-factanal(covmat=corr, factors=3, n.obs=125, rotation="varimax")
fa1         

fa2<-factanal(covmat=corr, factors=5, n.obs=125, rotation="varimax")
fa2

当用于降低维度的不同措施不同时，使用哪种措施只是个人喜好吗？将因素的数量保持在三个对我来说是有意义的，因为第五个因素只是对第一个因素的一些变量的不太全面的重新散列。

你怎么看？

4

0 回答 0