100個の変数があり、変数var15-v25を使用して因子分析を実行したいと思います。これを行うには、最初に変数を別のオブジェクト（たとえばf）に抽出してから、主成分分析を実行します。
ここで、PCAスコアを元のデータセットとマージして、PCAスコアを予測子として使用して回帰を実行したいと思います。
誰かが私にこれらの2つのデータセットをマージする方法を提案できますか？私が使用したコードは次のとおりです。
spss_data_factor <- sqldf("SELECT Respondent_Serial,Q4_01_Q4,Q4_02_Q4,Q4_03_Q4,Q4_04_Q4,Q4_05_Q4,Q4_06_Q4,Q4_07_Q4,Q4_08_Q4,Q4_09_Q4,Q4_10_Q4 FROM spss_data_rel")
f <- princomp(spss_data_factor1, cor = TRUE)
summary(f, loadings=TRUE)
f$scores[, 1:5]
R ベース パッケージの名前を使用することは避けてくださいfactor。これは一種の予約です。問題なく動作しますが、開発のある時点で混乱する可能性があります...そして、あなたはファイルではなく、クラスfactorのRオブジェクトです。princomp
とにかく、因子スコアを予測子として回帰モデルを定義したいですか? ケーキの一部...そしてマージは必要ありません：
fa <- princomp(mtcars, cor=TRUE)
fa_scores <- fa$scores
fit <- lm(mtcars$hp ~ fa_scores)
summary(fit)
Call:
lm(formula = mtcars$hp ~ fa_scores)
Residuals:
Min 1Q Median 3Q Max
-2.521e-14 -7.825e-15 -2.416e-15 5.622e-15 4.329e-14
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 1.467e+02 2.862e-15 5.125e+16 <2e-16 ***
fa_scoresComp.1 -2.227e+01 1.113e-15 -2.000e+16 <2e-16 ***
fa_scoresComp.2 -1.679e+01 1.758e-15 -9.549e+15 <2e-16 ***
fa_scoresComp.3 9.449e+00 3.614e-15 2.614e+15 <2e-16 ***
fa_scoresComp.4 -4.567e+00 5.513e-15 -8.285e+14 <2e-16 ***
fa_scoresComp.5 -3.644e+01 6.055e-15 -6.019e+15 <2e-16 ***
fa_scoresComp.6 -4.821e+00 6.222e-15 -7.747e+14 <2e-16 ***
fa_scoresComp.7 -1.010e-01 7.783e-15 -1.297e+13 <2e-16 ***
fa_scoresComp.8 1.501e+01 8.164e-15 1.838e+15 <2e-16 ***
fa_scoresComp.9 -3.886e+01 1.031e-14 -3.768e+15 <2e-16 ***
fa_scoresComp.10 1.672e+01 1.255e-14 1.333e+15 <2e-16 ***
fa_scoresComp.11 -1.731e+01 1.928e-14 -8.979e+14 <2e-16 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Residual standard error: 1.619e-14 on 20 degrees of freedom
Multiple R-squared: 1, Adjusted R-squared: 1
F-statistic: 5.053e+31 on 11 and 20 DF, p-value: < 2.2e-16
ncol(mtcars)応答マトリックスの各列で回帰を実行するために、元のデータセットをマトリックスに変換することもできます。lm関数はresponse ~ terms数式をサポートします。ここresponseで、行列を指定できます。参照?lm:
response が行列の場合、行列の各列に最小二乗法によって線形モデルが個別に当てはめられます。
したがって、次のようなことができます。
fit2 <- lm(as.matrix(mtcars) ~ fa_scores)
summary(fit2) # handle with care! =)
これがお役に立てば幸いです...
とにかく、因子分析を実行したい場合は、このリンクを参照してください。William Revelle のpsychパッケージをインストールする必要があります。
aL3xaさん、ありがとうございます！解決策の答えを見つけました。どなたかの参考になればと思いますのでここに載せておきます。
## Factor Analysis
library(psych)
spss_data_fac=read.csv("D:\\Arijit\\spss_data_rel_01.csv")
fa.parallel(spss_data_fac[,40:49])
spss_data_fac_01=factanal(spss_data_fac[,40:49],factors=2,scores="regression",rotation="promax")
spss_data_fac_01$scores
## Factor Analysis factors are used for logistic regression
spss_dat_reg=glm(spss_data_fac$Q8~spss_data_fac_01$scores+spss_data_fac$Q14)
summary(spss_dat_reg)
よろしく、 A