问题标签 [factor-analysis]
For questions regarding programming in ECMAScript (JavaScript/JS) and its various dialects/implementations (excluding ActionScript). Note JavaScript is NOT the same as Java! Please include all relevant tags on your question; e.g., [node.js], [jquery], [json], [reactjs], [angular], [ember.js], [vue.js], [typescript], [svelte], etc.
r - 从 svyfactanal 中提取因子分数
我试图通过使用该svyfactanal()
函数并获取因子分数来运行因子分析。运行因子分析没有问题。
但是,当我想为每个观察提取因子分数时,我会收到一条错误消息:
data.frame(..., check.names = FALSE) 中的错误:参数暗示不同的行数:1297, 0
然后我手动检查因子分数,我收到了这条消息:
有没有办法从svyfactanal()
函数中提取这些分数?
r - 如何在 R 中进行 Minitab 的因子分析?
我习惯于在 Minitab 中使用默认设置运行多元因子分析(提取方法:主成分;旋转类型:无;矩阵到因子:相关性;矩阵源:从变量计算;初始解的载荷:从变量计算)。
我想在 R 中复制这个过程。我尝试同时使用 factAnal() 和 prcomp(),但没有得到 Minitab 返回的相同因子载荷。有谁知道复制这个需要什么参数(对于factAnal()或prcomp())?
r - 因子分析 R - 不同的结果?
我使用 psych 包对 R 中的数据集进行了因子分析。直到大约 1 个月前,它还吐出相同的输出,但最近,它有所不同。
当我尝试在旧版本的 psych 包上运行它时,它也会产生不同的输出。我无法诊断此问题并尝试获取原始输出。我不明白这怎么可能是一个编码问题,因为结果是过去生成的——我现在只是在努力获得相同的输出......
下面是代码的精简版。
下载心理包:
要运行 FA:
任何人都可以解决这个问题吗?
r - R错误中的因子分析混合数据
我正在尝试在数据帧上运行 R 中的因子分析混合数据并使用以下命令:
但我收到以下错误:
错误其中(unlist(lapply(listModa,is.numeric))):'which'的参数不合逻辑
我检查了:
我得到以下信息:
性别 : chr "M" "M" "M" "M" ...
组 : chr "LOW" "LOW" "LOW" "LOW" ...
A : num 3.86e-09 1.90e-091.86e-09 3.63e-09 1.73e-09 ...
B:编号 2.32e-05 5.69e-06 1.86e-05 1.45e-05 1.04e-05 ...
C:编号 0.00249 0.00385 0.01555 0.00853 0.00426 ...
我正在尝试将变量转换为因子,但不确定是否需要这样做。我正在关注下面的链接,它说 FAMD 可以使用字符和数字变量: http: //www.sthda.com/english/articles/31-principal-component-methods-in-r-practical-guide/115 -famd-要素分析-混合数据在-r-essentials/
r - 序数数据的因子分析
我正在尝试对我拥有的一些序数数据进行一些因素分析,即从 0 到 5 的李克特量表问卷。
我一直在阅读应该如何处理这个问题,因为它不是连续数据。然后我找到了以下论文:
http://pareonline.net/pdf/v19n5.pdf
并且由此看来,即使他使用了与 R 不同的程序,但在处理序数数据时,似乎必须使用多变量相关性,并且他还建议对因子方法进行最小秩因子分析。我有点不确定他建议的 Promin 轮换是否适用于 R ?
无论如何,当尝试在 RI 中执行此分析时,请尝试使用psych
包中的以下代码:
但是,这样做时我得到了错误(即使我输入了这个词nfactors = <some number>
:
我也收到很多警告说In log(P) : NaNs produced
。
我不知道这里出了什么问题,以及如何解决?我的数据集(我现在使用的)只是一个 219 x 19 矩阵,其值从 0 到 5,根本没有空白单元格。
我在这里做错了什么,还是......?
编辑:数据的标题:
以及来自的所有数据dput
:
所以基本上一些问卷/李克特量表值与患者 ID 相结合。
statistics - 当 RMSEA 低于 0.158 时如何解释 CFI 和 TLI?
在报告模型(例如因子模型或结构方程模型)的绝对拟合时,会使用许多不同的指数。人们最常报告卡方、RMSEA、TLI 或 CFI。(还有很多)
我一直在 David A. Kenny 的网站上阅读以下内容,我想知道是否有人可以向我解释:
“一个合理的经验法则是检查空模型的 RMSEA(见下文),并确保它不小于 0.158。模型的 RMSEA 为 0.05,TLI 为 0.90,意味着空模型的 RMSEA模型为 0.158。如果空模型的 RMSEA 小于 0.158,则拟合的增量测量可能不会提供那么多信息。据我所知,这个数学事实表明,其空模型 RMSEA 小于 0.158 且其 RMSEA 的模型是 0.05 必须有一个小于 0.90 的 TLI 是从未发布过的东西,但实际上是真实的。(David A. Kenny:http ://davidakenny.net/cm/fit.htm )“
有人可以解释一下吗?
r - 如何使用 factanal() 函数获取 R 中的结构矩阵?
这是我在这个论坛上的第一篇文章。我是 R 和因子分析的新手,我想我有一个非常简单的问题。我正在关注 Andy Field 的“使用 R 发现统计数据”一书(2012 年)以获得一般指导。Field 建议在使用倾斜旋转执行因子分析时同时提供模式和结构矩阵。
虽然模式矩阵只是负载表,但我在使用该factanal()
函数获取 R 中的结构矩阵时遇到了更多困难。
为了使用该函数获得 PCA 的结构矩阵principal()
,Field 提供了以下公式:fit$loadings %*% fit$Phi
,它将因子加载矩阵乘以因子相关矩阵。虽然factanal()
确实将因子相关性存储在某处 - 因为它在一般输出的一部分(负载下)中提供它们 - 我在拟合模型的输出中找不到名为“Phi”、“因子相关性”或等效项的对象(在 R Studio 中)。因此,我不知道在 Field 的公式中放入什么项来替换 Phi 以获得结构矩阵。
我之前在这里和这里看到过,factanal()
没有提供因子相关性——但现在它确实在输出中提供了它;我只是不知道访问它的正确术语。感谢您对此的任何帮助!
编辑:根据这本书,我使用以下公式,其中包含四个因素和 PCA 的倾斜旋转:
在那种情况下,当我在 R Studio 中双击对象“pc4”时,有一个名为“Phi”的对象,我可以毫无困难地使用pc4$loadings %*% pc4$Phi
.
接下来,我尝试使用 EFA,而不是 PCA,再次使用四个因子和倾斜旋转 (promax)。这一步有效,我可以得到因子相关性(为了简洁而删减一些输出):
接下来,我尝试结构矩阵公式并得到以下错误:
但是当我检查用 获得的“适合”对象时factanal()
,没有名为“Phi”的对象(因为有principal()
)。不知道如何解释上面的错误。我在这里和这里看到过这个错误,但我不清楚如何在这里解决它。
r - 使用 factanal() 进行大量预测变量的 R 因子分析导致系统在计算上是奇异的
我正在尝试对包含大约 150 个变量但只有大约 80 个观察值的数据集进行因子分析。我尝试了R 中的factanal()
函数,R 报告了错误:
solve.default(cv) 中的错误:系统在计算上是奇异的:倒数条件数 = 3.0804e-20
关于替代方法/包的任何建议?
虚拟数据集的演示将是:
到目前为止,我已经用factanal()
我在下面创建的数值求解函数替换了源代码中的求解函数,但它没有解决问题:
在将“solve”替换为“solve_G”后,出现了一个新错误:
factanal.fit.mle(cv, factor, start[, i], max(cn$lower, 0), cn$opt) 中的错误:找不到函数“factanal.fit.mle”
PS 这是名为 my_factanal 的新“factanal”函数: 运行该行时出现上述错误:
为了运行它,将 x 设置为 80* 150 数字数据框,设置factors = 2, set scores = "regression", rotation = "varimax"
:
r - 解释百分比方差 - 因子分析
我正在使用 R 中的 factanal() 函数进行因子分析,使用 varimax 旋转(所以不是 PCA)估计 60 个数据变量(约 1500 个总观察值)的 4 个因子。我想计算每个因素解释的百分比方差,仅针对数据中的特定变量子组。然后,我可以将其与仅针对感兴趣的变量子组单独估计的因子模型解释的总百分比方差进行比较。这将告诉我,相对于仅在该子组上估计的因子模型或“部分”模型,我的“完整”因子模型是否能很好地解释子组中的变量。
通常,我知道您会计算每个因素总体解释的百分比方差的平方和/N 。IE 因子 1 解释了 x% 的数据,因子 2 解释了 y% 等。如果我想查看有多少变化,这种方法是否也有效,例如,因子 1 仅解释变量 1 到 10?我只计算 N 为 10 的变量的 SSL/N。这是一个有效的过程吗?
诸如此类的线程很好地概述了将 SSL/N 用于旋转因子模型,但在 SPSS 中:https ://stats.stackexchange.com/questions/205459/whats-the-relationship-between-initial-eigenvalues-and -平方和载荷