因子分析 - どの組み合わせを使用するか?こんにちは、
主成分の因子分析を行う際に、どの組み合わせを使用するかファクタリングの方法(主成分また最大可能性） と以前の共同体(主成分また共通因子分析)? デフォルトのオプションは最尤法と共通因子分析ですが、他の組み合わせから導き出された因子を解釈する方法を知りたいです。
私のデータセットでは、どの因子を選択したかによって、因子の結果に違いは見られませんでした。最尤法/主成分と最尤法/共通因子分析、しかし、他の 2 つの組み合わせでは、互いに、またこの組み合わせとは異なる結果が得られます。
他の選択肢から得られた要因の重要性（または欠如）について説明が欲しいファクタリングの方法と以前のコミュニティ。
ありがとう
アヌープ
Re: 因子分析 - どの組み合わせを使用しますか?説明が理にかなっていてよかったです。コースでお会いできるのを楽しみにしています。 はい、負荷は R–U (R から U) 行列の固有値分解から見つかります。 SMC を使用した最尤手順は、その行列の対角線上の R2 から始まり、反復して尤度関数を最大化します。 あなたの例では、反復は収束しませんでした。 主要な因数分解法は、対角に 1 を含む完全な R 行列から始まります。
因子分析では、顕在変数を慎重に選択することが重要です。 因子を解釈可能にする必要があるため、因子の解釈をサポートするマニフェスト変数を選択する必要があります。 これを行うための数学的規則はなく、主題に関する知識のみです。 ただし、いつでも多変量プラットフォームを使用して相関行列を見つけることができます。 完全に相関する変数の相関は 1 になり、ペアの 1 つを削除できます。
Re: 因子分析 - どの組み合わせを使用しますか?こんにちはマイケルソンさん
ご返事ありがとうございます。 私は今それをよりよく理解しています。 明確にするために、それはRマイナスU行列の固有値分解ですか？
フォローアップの質問として、別のデータセットでこの操作を実行すると、相関行列が特異であり、JMP が因数分解法として PC を使用することを推奨したため、ML は失敗しました。成功しました。 次に、他の変数を使用して操作を再開すると、相関行列が特異ではなくなりました。 残念ながら、相関行列を特異にした変数の組み合わせを思い出せません。 主成分を見つけるために正しい変数を選択するための数学的規則はありますか?
私も6月にコースを申し込みます。
ありがとう
アヌープ
Re: 因子分析 - どの組み合わせを使用しますか?因子分析は、Y しか分からないモデル Y = XB + E に当てはめようとします。 X、B、E はすべて不明です。 したがって、多くの重要な条件をパラメーターに課す必要があります。 因子分析には R–U 行列の分解が含まれます。ここで、R は顕在変数の相関行列 (Y) であり、U は固有因子の相関行列 (E) です。
主因子分析は、R–U 行列の固有値分解を行います。 PCAではありません！ 最尤法は、因子を指定して尤度関数を最大化する反復法です。
SMC は、R–U の対角要素の推定値として、残りの各変数の R2 乗を使用します。 PC は R–U の対角に 1 を使用します。
この点が重要です。これらの方法はそれぞれ数学的に有効であるため、すべて正しいです。 研究者は、分析からのグラフと統計に加えて、主題に関する知識を使用して、要因とその解釈可能性を判断する必要があります。 因子分析モデルは、顕在変数の原因となる測定不可能な因子があることを前提としており、最良の解釈を与えるモデルが最も有用なモデルであり、勝者となります。
因子分析の理解に役立つ詳細を提供できるかどうかお知らせください。
小さな広告: 詳細については、JMP が教師なし学習の 1 日コースを提供しています。このコースでは、PCA、因子分析、およびクラスタリングを扱います。 6 月に Live Web を介して 2 つの半日で教えられます。 詳細については、jmp.com/training を参照してください。
Re: 因子分析 - どの組み合わせを使用しますか?のメソッドの説明を読みましたか?ヘルプ>書籍>多変量もうガイドブック？
