问题标签 [factor-analysis]

我试图在探索性因素分析后计算欧米茄估计，以估计我发现的组件的可靠性。使用包中的omega()函数psych我得到这个输出：

欧米茄函数的输出

这就是我调用函数的方式： omega(df[,items],nfactors=3)

搜索指导后，我找不到为什么没有为第三个因素计算欧米茄。我不确定这是否与以下警告消息之一有关：

I have a data frame such as follows:

I am running a factor analysis with the fa funciton from the psych package:

This results in the following output:

I would like to save the table with MR1 and MR2 as a data frame. Does anyone know how could this be done? Thank you.

我无法从对有序分类数据的探索性因子分析中计算因子得分。我已经设法评估了要绘制多少个因子，并使用 psych 包运行因子分析，但无法弄清楚如何为单个参与者获取因子分数，并且在网上找不到太多帮助。这是我卡住的地方：

编辑：我找到了一种使用 irt.fa() 和 scoreIrt() 获取分数的方法，但它涉及将我的有序类别转换为数字，所以我不确定它是否有效。任何建议将不胜感激！

我对我的数据进行了探索性因子分析（主轴因子分解），并想确定要提取的因子数量。霍恩的平行分析。

但是我有两个问题：

1. 并行分析建议提取 1 个因子，但是该图显示了我的“FA 实际数据”和“FA 模拟数据”线的多个交点。我不明白为什么它只是一个因素（第一个交叉点）然后......这个图看起来不像其他平行分析图的典型。

2. 为什么要提取的因子数量会随着我陈述的观察次数（n.obs）而变化？我的意思是我只是将观察数从 50 更改为 500（这是一个谎言），但是并行分析建议提取 5 个因素而不是 9 个。我不明白为什么....

非常感谢您提供任何有用的提示。瓦莱丽

fa.parallel(cor(My_Data), n.obs = 50, fa="fa", fm="pa")

并行分析表明因子数 = 1，分量数 = NA

是否有在 python 中执行验证性因子分析的包？我发现了一些可以在 python 中执行探索性因子分析（scikitlearn、factor_analyzer 等），但我还没有找到一个可以执行 CFA 的包。

20 名受访者 -> 100 份问卷（每份 10 个相同的问题）关于 5 个品牌

每个受访者 -> 5 份问卷（5 个品牌）

我应该预处理数据（例如，根据品牌计算平均值，新输入只有 5 个数据：品牌 1 到 5 数据）还是应该直接做 FA？

顺便说一句，不问编码，只是纯粹的统计问题。

当我使用 FIML 在 lavaan 中执行以下 CFA 时，似乎该算法首先使用 EM，然后使用 NLMINB（准牛顿）。我想我知道如何使用参数控制 NLMINB 优化的各个方面control，但我不知道如何或是否可以控制 EM 部分。这是一个例子。

所以很明显，EM 是在 NLMINB 之前完成的。所以，首先我想知道为什么。其次，我可以修改关于这个初始 EM 步骤的任何内容吗？我尝试使用em参数，如em.fx.tol,em.iter.max和em.dx.tol, 没有任何效果。

或者

但无论哪种情况，EM 迭代都超过 5。

在 Python 中，我正在研究旅游保险欺诈检测的二元分类问题。这是我的数据集的特征：

• 包含具有 20 个特征的 40,000 个样本。经过一次热编码后，特征数为 50（4 个数字，46 个分类）。
• 大多数未标记：在 40,000 个样本中，33,000 个样本未标记。
• 高度不平衡：在 7,000 个标记样本中，只有 800 个样本（11%）是阳性（欺诈）。

指标是精度、召回率和 F2 分数。我们更注重避免误报，因此高召回率是值得赞赏的。作为预处理，我使用 SMOTE-NC 对阳性案例进行过采样，它也考虑了分类变量。

在尝试了包括自我训练的半监督学习和标签传播/标签传播等在内的几种方法后，我获得了很高的召回率（训练时 80%，测试时 65-70%）。但是，我的精度分数显示了一些过度拟合的痕迹（训练时 60-70%，测试时 10%）。我知道训练的精度很好，因为它是重新采样的，而测试数据的精度很低，因为它直接反映了测试数据中类别的不平衡。但是这个精度分数低得令人无法接受，所以我想解决它。

因此，为了简化模型，我正在考虑应用降维。我发现了一个名为 princeFAMD（混合数据因子分析）的软件包。

问题 1：我应该如何进行标准化、FAMD、k-fold 交叉验证和重采样？我下面的方法正确吗？

问题2：该包prince没有类似fit或transform类似的方法Sklearn，所以我无法执行下面描述的第3步。fit还有其他transform适合 FAMD 的好套餐吗？还有没有其他好的方法可以减少这种数据集的维数？

我的做法：

1. 做 k 个折叠并隔离其中一个进行验证，其余的用于训练
2. 规范化训练数据和转换验证数据
3. 在训练数据上拟合 FAMD，并转换训练和测试数据
4. 使用 SMOTE-NC 仅对训练数据重新采样
5. 训练任何模型，评估验证数据
6. 重复 2-5 k 次并取精度的平均值，召回 F2 分数

*我也很感激任何关于我解决这个问题的整体方法的建议

谢谢！

我正在做因子得分路径分析

我正在对潜在变量进行因子得分路径分析，因此我进行了因子得分分析以生成因子得分。现在我想生成一个方差-协方差矩阵，所以我想把我生成的因子分数放到一个数据框中，以便能够这样做。问题是指标，我的论点意味着不同的行数。

data.frame 中的错误（bcscores$scores，dvscores$scores，fcscores$scores，：参数暗示不同的行数：101、102、99、103、104、100

有人可以帮我解决这个问题吗？谢谢

我正在使用 factanal() 对几个矩阵（每个矩阵代表一个位置）进行因子分析，其中包括几个案例（行）和几个测量变量（列）。有了这个，我可以研究变量如何在因子双图上分布。现在我想使用“Q 模式”（例如在 Statistica 中）来研究所有矩阵的所有案例（例如行）如何分布在因子双图中。是否有 R 函数/包可以做到这一点？

我一直在搜索，找到了“qrfactor”包，但是已经从RCRAN中删除了，不知道是否可靠。