Faktorenanalyse – Welche Kombination verwenden?Hallo,
Bei der Faktorenanalyse der Hauptkomponenten, welche Kombination für die zu verwenden ist Factoring-Methode ( Hauptkomponenten oder Maximale Wahrscheinlichkeit ) Und Frühere Gemeinschaft ( Hauptkomponenten oder Common-Factor-Analyse )? Die Standardoption ist die Maximum-Likelihood- und Common-Factor-Analyse, aber ich würde gerne wissen, wie die aus den anderen Kombinationen abgeleiteten Faktoren zu interpretieren sind.
In meinem Datensatz fand ich keinen Unterschied in den Ergebnissen der Faktoren zwischen der Wahl von Maximale Wahrscheinlichkeit/Hauptkomponenten Und Maximum-Likelihood-/Common-Factor-Analyse, aber die beiden anderen Kombinationen ergeben voneinander und von dieser Kombination unterschiedliche Ergebnisse.
Ich hätte gerne eine Erklärung der Bedeutung (oder des Fehlens) der Faktoren, die sich aus den anderen Auswahlmöglichkeiten ergeben Factoring-Methode Und Frühere Gemeinschaft.
Danke
Anoop
Betreff: Faktorenanalyse - Welche Kombination verwenden?Ich bin froh, dass die Erklärung Sinn gemacht hat, und ich freue mich darauf, Sie im Kurs zu sehen. Ja, die Ladungen werden aus der Eigenwertzerlegung der Matrix R–U (R minus U) ermittelt. Das Maximum-Likelihood-Verfahren mit SMC beginnt mit diesen RQuadraten auf der Diagonalen dieser Matrix und iteriert dann, um die Likelihood-Funktion zu maximieren. In Ihrem Beispiel konvergierte die Iteration nicht. Die Hauptfaktorisierungsmethode beginnt mit der vollständigen R-Matrix, mit Einsen auf der Diagonalen.
Bei der Faktorenanalyse ist es wichtig, die manifesten Variablen sorgfältig auszuwählen. Sie müssen Faktoren interpretierbar sein, also sollten Sie manifeste Variablen auswählen, die die Interpretation der Faktoren unterstützen. Dafür gibt es keine mathematische Regel, sondern nur Fachwissen. Sie können jedoch jederzeit die Multivariate-Plattform verwenden, um die Korrelationsmatrix zu finden. Perfekt korrelierte Variablen haben eine Korrelation von 1, und eines der Paare kann entfernt werden.
Betreff: Faktorenanalyse - Welche Kombination verwenden?Hallo Frau Michelson
Vielen Dank für Ihre Antwort. Ich verstehe es jetzt besser. Nur zur Verdeutlichung, ist es die Eigenwertzerlegung der R minus U-Matrix?
Als Folgefrage: Bei der Durchführung dieser Operation an einem anderen Datensatz schlug ML fehl, da die Korrelationsmatrix singulär war, und JMP empfahl, PC als Faktorisierungsmethode zu verwenden, was erfolgreich war. Ich habe dann die Operation mit einigen anderen Variablen neu gestartet und die Korrelationsmatrix wurde nicht-singulär. Leider erinnere ich mich nicht an die Kombination von Variablen, die die Korrelationsmatrix einzigartig gemacht haben. Gibt es mathematische Regeln für die Auswahl der richtigen Variablen, um die Hauptkomponenten zu finden?
Ich werde mich auch für den Kurs im Juni anmelden.
Danke
Anoop
Betreff: Faktorenanalyse - Welche Kombination verwenden?Die Faktorenanalyse versucht, das Modell Y = XB + E anzupassen, wobei Sie nur Y kennen. X, B und E sind alle unbekannt. Daher müssen den Parametern viele Schlüsselbedingungen auferlegt werden. Die Faktorenanalyse beinhaltet die Zerlegung der R-U-Matrix, wobei R die Korrelationsmatrix der manifesten Variablen (Y) und U die Korrelationsmatrix der eindeutigen Faktoren (E) ist.
Die Hauptfaktoranalyse führt eine Eigenwertzerlegung der R-U-Matrix durch. Es ist kein PCA! Maximum Likelihood ist eine iterative Methode, die die Likelihood-Funktion bei gegebenen Faktoren maximiert.
SMC verwendet das R² jeder Variablen mit dem Rest als Schätzung des diagonalen Elements von R–U. PC verwendet 1 auf der Diagonalen von R–U.
Dieser Punkt ist entscheidend: Da jede dieser Methoden mathematisch gültig ist, sind sie alle korrekt. Der Forscher muss zusätzlich zu den Grafiken und Statistiken aus der Analyse Fachkenntnisse verwenden, um die Faktoren und ihre Interpretierbarkeit zu bestimmen. Das Faktoranalysemodell geht davon aus, dass es nicht messbare Faktoren gibt, die die manifesten Variablen verursachen, und das Modell, das die beste Interpretation liefert, ist das nützlichste Modell, das Gewinnermodell.
Bitte lassen Sie es mich wissen, wenn ich weitere Details liefern kann, um Ihr Verständnis der Faktorenanalyse zu verbessern.
Kleine Werbung: Für weitere Informationen bietet JMP einen eintägigen Kurs in unbeaufsichtigtem Lernen an, der PCA, Faktorenanalyse und Clustering abdeckt. Es wird im Juni an zwei halben Tagen über Live Web unterrichtet. Weitere Informationen finden Sie unter jmp.com/training.
Betreff: Faktorenanalyse - Welche Kombination verwenden?Haben Sie die Erläuterungen zu den Methoden in gelesen Hilfe > Bücher > Multivariat Reiseführer schon?
