私は、1991 年からの消費に対する感情的な反応に関する Westbrook と Oliver のデータを使って EFA を実践しています。
> data
X1 X2 X3 X4 X5 X6 X7 X8 X9 X10
1 1.00 NA NA NA NA NA NA NA NA NA
2 0.20 1.00 NA NA NA NA NA NA NA NA
3 0.08 0.30 1.00 NA NA NA NA NA NA NA
4 0.13 -0.30 0.37 1.00 NA NA NA NA NA NA
5 0.27 -0.22 0.28 0.80 1.00 NA NA NA NA NA
6 0.22 -0.23 0.39 0.84 0.85 1.00 NA NA NA NA
7 0.22 -0.20 0.45 0.76 0.82 0.92 1.00 NA NA NA
8 0.33 -0.07 0.46 0.67 0.72 0.80 0.83 1.00 NA NA
9 0.31 -0.08 0.40 0.55 0.60 0.67 0.77 0.76 1.0 NA
10 0.25 -0.21 0.48 0.74 0.68 0.78 0.78 0.70 0.7 1
これまでの私のスクリプトは次のとおりです。
data <- read.table("data.txt", fill=TRUE, col.names=1:no_col2)
corr <- xpnd( data[lower.tri(data, diag=T)] , no_col2)
corr.pc <- eigen(corr)
plot(corr.pc$values,type="o", pch=16)
abline(h=1,col="grey")
sum(corrB.pc$values>1)
視覚的には、曲がりは F3 にあるように見えます。ただし、カイザーの法則によれば、分散が 1 より大きいため、最初の 2 つの要因のみを保持します。元の研究を確認したところ、3 つの要因に落ち着いているようです。
しかし、factanal() で 3 つの要素で十分かどうかを調べたところ、3 つ以上の要素が必要であるという答えが返ってきました。実際、5 が十分因子の最小数のようです。
fa1<-factanal(covmat=corr, factors=3, n.obs=125, rotation="varimax")
fa1
fa2<-factanal(covmat=corr, factors=5, n.obs=125, rotation="varimax")
fa2
次元を削減するために使用されるさまざまな尺度が異なる場合、どの尺度を使用するかは単なる個人的な好みですか? 因子の数を 3 つに維持することは、私にとっては理にかなっていました。
あなたの見解は？