R中的因子分析答案

【问题标题】：Factor Analysis in RR中的因子分析
【发布时间】：2010-12-21 03:57:08
【问题描述】：

我正在努力更好地理解FA，希望你能看看这个，我最大的问题是如何在R中解释FA模型。

我的结果如下所示：我应该查看结果中的哪些值以及 FA 分析的良好指示？

Call:
factanal(x = m2, factors = 2)

Uniquenesses:
v1 v2 v3 v4 v5 v6 v7 v8 v9 v10 v11 v12
0.005 0.324 0.344 0.092 0.084 0.128 0.271 0.272 0.398 0.384 0.540 0.472

Loadings:
Factor1 Factor2
v1 0.847 0.527
v2 0.818
v3 0.733 0.344
v4 0.938 0.169
v5 0.949 0.125
v6 0.825 0.437
v7 0.701 0.488
v8 0.646 0.557
v9 0.467 0.619
v10 0.665 0.417
v11 0.525 0.429
v12 0.581 0.436

Factor1 Factor2
SS loadings 5.905 2.780
Proportion Var 0.492 0.232
Cumulative Var 0.492 0.724

Test of the hypothesis that 2 factors are sufficient.
The chi square statistic is 410.82 on 43 degrees of freedom.
The p-value is 1.59e-61

【问题讨论】：

我可能只是在这里没有受过教育，但究竟什么是“FA模型”？
FA = 因子分析，en.wikipedia.org/wiki/Factor_analysis
这是一道统计题，不是编程题。
我不是专家——但正是出于这个原因，我通常会远离足协。如果您可以从变量中构建有意义的潜在索引，请尝试这样做。然后使用可靠性 ruotine 检查例如阿尔法值。 Rcmdr 包中的可靠性函数非常直观。虽然存在许多其他功能 - 看看例如在心理包。只有 12 个变量 - 这就是我要做的。

标签： r factor-analysis

【解决方案1】：

我发布了一个example factor analysis in R，查看性格测试的因素结构。它展示了如何提取您可能想要的一些常见信息（例如，社区；因子数量的测试；因子解释的方差；轮换等）。

【讨论】：

【解决方案2】：

通常，使用 FA，您无法直接解释因子载荷，因为它们不是唯一的（旋转问题）。除此之外，我讨厌听起来像心理学家（统计学家的笑话......），但你的 p 值很低！

【讨论】：

【解决方案3】：

因为这里没有可重现的示例，而只是输出。我将为您提供下一步全民教育的建议。在这里，我认为您需要验证模型的可靠性。一般推荐alpha()和splitHalf()函数，在psych包中。如果您发现您的模型的可靠性都大于 0.8，那么您可能会得到一个好的模型。

DataCamp 上有一个最小示例供您深入了解。

【讨论】：