如何解决使用 PCA 的因子载荷计算 R
我对统计分析很陌生。我正在使用在论文中找到的问卷来评估我的研究。问卷随附了不同组件上每个项目的因子载荷,但我问自己如何将这些载荷用于我的数据集。答案的值范围从 1 到 6,我已经反转了负载荷。 所以这是加载矩阵:
我已经用项目(sp4、sp5、...)作为列和答案作为行做了问卷。
所以我的问题是:如何使用这些载荷来计算分量 1-3?项目的答案从“我不同意”到“我完全同意”,是否与双极答案(例如“愉快”(1)和“不愉快”(6))的计算不同?
已经谢谢并祝你好运! :)
解决方法
我的猜测是,这是一个公因子分析,它将公共性设置为 1 而不是真正的 PCA - 通常 PCA 结果不会轮换。如果它是真正的 PCA,那么分数只是变量矩阵乘以组件负载矩阵。 PCA 使用奇异值分解来发现:
认为正交正态方差最大化分量 UD = XV。也就是说,右奇异向量(又名载荷)是将变量映射到分量上的系数。这是 R 中的一个示例:
library(psych)
G <- scale(Garcia)
p1 <- princomp(G)
c1 <- G %*% p1$loadings
## correlation between internally computed components
## and components created by multiplying variables by loadings
diag(cor(c1,p1$scores))
# Comp.1 Comp.2 Comp.3 Comp.4 Comp.5 Comp.6
# 1 1 1 1 1 1
对于因子分析,模型不同,因此找到分数的解决方案略有不同。在这里,基于回归的分数通常使用
计算其中 Rxx 为因子间相关矩阵,Ryy 为变量间相关矩阵,Lambda 为因子载荷矩阵,Y 为观测变量矩阵。这是 R 中的一个示例:
mle3 <- fa(G,3,fm="minres",rotate="oblimin",SMC=FALSE) #principal axis
Rxx <- mle3$Phi
Ryy <- cor(G)
lambda <- mle3$loadings
s1 <- G %*% t(Rxx %*% t(lambda) %*% solve(Ryy))
## correlation between internally computed factor scores
## and scores created with the equation above.
diag(cor(s1,mle3$scores))
# MR1 MR3 MR2
# 1 1 1
因此,您使用的方法将决定如何将变量映射到组件上。如果您正在寻找好的参考资料,我发现 Stanley Mulaik 的 Foundations of Factor Analysis 非常有帮助。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。