Análisis factorial - ¿Qué combinación usar?Hola,
Al hacer un análisis factorial sobre los componentes principales, ¿qué combinación usar para el método de factorización ( Componentes principales o Máxima verosimilitud ) y Comunalidad previa ( Componentes principales o Análisis de factor común )? La opción por defecto es Máxima Verosimilitud y Análisis de Factor Común, pero me gustaría saber cómo interpretar los factores derivados de las otras combinaciones.
En mi conjunto de datos, no encontré diferencia en los resultados de los factores entre la elección de Máxima probabilidad/componentes principales y Máxima Verosimilitud/Análisis de Factor Común, pero las otras dos combinaciones dan resultados diferentes entre sí y de esta combinación.
Me gustaría tener una explicación de la importancia (o falta de) de los factores obtenidos de las otras opciones de la método de factorización y Comunalidad Previa.
Gracias
anoop
Re: Análisis factorial - ¿Qué combinación usar?Me alegro de que la explicación haya tenido sentido y espero verte en el curso. Sí, las cargas se encuentran a partir de la descomposición de valores propios de la matriz R–U (R menos U). El procedimiento de máxima verosimilitud con SMC comienza con esos Rcuadrados en la diagonal de esa matriz, luego itera para maximizar la función de verosimilitud. En su ejemplo, la iteración no convergió. El método de factorización principal comienza con la matriz R completa, con unos en la diagonal.
Es importante en el análisis factorial elegir cuidadosamente las variables manifiestas. Necesita que los factores sean interpretables, por lo que desea elegir variables manifiestas que apoyen la interpretación de los factores. No hay una regla matemática para hacer esto, solo conocimiento de la materia. Sin embargo, siempre puede usar la plataforma Multivariante para encontrar la matriz de correlación. Las variables perfectamente correlacionadas tendrán una correlación de 1, y se puede eliminar una del par.
Re: Análisis factorial - ¿Qué combinación usar?Hola Sra. Michelson
Muchas gracias por su respuesta. Lo entiendo mejor ahora. Solo como aclaración, ¿es la descomposición de valores propios de la matriz R menos U?
Como pregunta de seguimiento, al realizar esta operación en otro conjunto de datos, ML falló porque la matriz de correlación era singular y JMP recomendó usar PC como método de factorización, lo que tuvo éxito. Luego relancé la operación con algunas otras variables y la matriz de correlación se volvió no singular. Desafortunadamente, no recuerdo la combinación de variables que hizo que la matriz de correlación fuera singular. ¿Existen reglas matemáticas para elegir las variables correctas para encontrar los componentes principales?
También me apuntaré al curso de junio.
Gracias
anoop
Re: Análisis factorial - ¿Qué combinación usar?El análisis factorial trata de ajustar el modelo Y = XB + E donde solo se conoce Y. X, B y E son todos desconocidos. Por lo tanto, se deben imponer muchas condiciones clave a los parámetros. El análisis factorial implica la descomposición de la matriz R–U, donde R es la matriz de correlación de las variables manifiestas (Y) y U es la matriz de correlación de los factores únicos (E).
El análisis de factores principales realiza la descomposición de valores propios de la matriz R–U. ¡No es PCA! La máxima verosimilitud es un método iterativo que maximiza la función de verosimilitud dados los factores.
SMC usa el R cuadrado de cada variable con el resto como una estimación del elemento diagonal de R–U. PC usa 1 en la diagonal de R–U.
Este punto es clave: dado que cada uno de estos métodos son matemáticamente válidos, todos son correctos. El investigador necesita utilizar el conocimiento de la materia además de los gráficos y estadísticas del análisis para determinar los factores y su interpretabilidad. El modelo de análisis factorial asume que hay factores no medibles que causan las variables manifiestas, y el modelo que da la mejor interpretación es el modelo más útil, el ganador.
Avíseme si puedo brindarle más detalles para ayudarlo a comprender el análisis factorial.
Anuncio pequeño: para obtener más información, JMP ofrece un curso de un día sobre aprendizaje no supervisado, que cubre PCA, análisis factorial y agrupación. Se impartirá en dos medios días a través de Live Web en junio. Consulte jmp.com/training para obtener más información.
Re: Análisis factorial - ¿Qué combinación usar?¿Ha leído las explicaciones de los métodos en Ayuda > Libros > multivariado guía ya?
