Dec 2, 2014Download as PPTX, PDF60 likes49,298 views Rのpsychパッケージを用いた,因子分析の方法についてまとめています。 特に,SPSSやSASなどの商用ソフトでは実行できない,多様な分析法がpsychを使えば可能になります。その辺りの分析方法について触れています。 具体的には,因子数の決定方法,因子の抽出,回転方法,カテゴリカル因子分析などです。Read less
尺度を作った時など、因子分析で因子をいくつ抽出すればいいか悩むことがあるかと思います。 因子分析の因子数決定には、従来では以下のような基準が定番でした。 ガットマン基準:固有値が1以上の因子を採用する スクリー基準:固有値の大きさをプロットし、推移がなだらかになる前までを抽出する 寄与率が50~60%以上になる因子数を採用する 解釈が可能な因子構造を採用する 1のガットマン基準が最も使われていると思われますが、この方法は最近ではあまり良い方法とはみなされてはいないようです。もしデータが母相関行列であるならこの方法は適切ですが、実際のデータには誤差が含まれるので多すぎたり少なすぎたりする因子数を提案してしまいます。 この記事では、因子数決定に使える基準について述べます。 興味のある人は続きを読んでください。 因子分析は少数の因子によって、変数の相関関係を説明する方法です。 つまり、何因子用意
spssでは標準で出力される (らしい) Kaiser-Meyer-Olkinの標本妥当性と、Bartlettの球面性検定の関数を見つけたのでメモしておく # Kaiser-Meyer-Olkinの標本妥当性 青木先生のページから。感謝。 kmo(dat) # datは数値のみのデータフレームか行列 全く同じものがこのページにもあった kmo.test <- function(df) { cor.sq = cor(df)^2 cor.sumsq = (sum(cor.sq)-dim(cor.sq)[1])/2 library(corpcor) pcor.sq = cor2pcor(cor(df))^2 pcor.sumsq = (sum(pcor.sq)-dim(pcor.sq)[1])/2 kmo = cor.sumsq/(cor.sumsq+pcor.sumsq) return(kmo
因子分析をする場合、方法として抽出法と回転法を選択する必要があります。 しかし、様々な抽出法・因子軸の回転方法があり、かつ、それらがどういうアルゴリズムで計算されているのかわからないことも多いと思います。最近いろいろ質問を受けることが多かったので、今回は因子分析の各種方法について少し解説します。 因子分析は統計手法の発展やコンピューターの計算能力によって、オーソドックスとなる方法がいろいろ変ってきました。昔の論文の因子分析といえば、ほぼ主成分分析+バリマックス回転でした。この方法は計算量が少なく、ほぼ確実に解が求まることがメリットです。1日かけて計算して、解が求まらなかったら悲劇ですからね。 次の流行は主因子法+バリマックス、場合によってはプロマックス回転、という感じだったように思います。90年代あたりの論文は、まだプロマックス回転も少ないです。 最近は最尤法+プロマックス回転が主流でしょ
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く