其他分享
首页 > 其他分享> > R 语言 因素分析(Factor Analysis, FA)

R 语言 因素分析(Factor Analysis, FA)

作者:互联网

因素分析(Factor Analysis, FA)是心理学和教育学中使用的最为普遍的研究方法之一。根据分析前有无理论基础,因素分析可以分为:探索性因素分析(Exploratory Factor Analysis,EFA)和验证性因素分析(Confirmatory Factor Analysis,CFA)。通常而言,当因子的结构缺乏证据或研究的目标是确定的因子载荷和共同度时,普遍的做法就是使用探索性因素分析。

当前常用的探索性因素分析中决定因子数量的方法包括主成分分析法(PCA)和平行分析(Parallel Analysis,PA)等。在R中,主要使用psych包来进行探索性因素分析,实际上,这是心理学和教育学等专业使用R进行因素分析必须要了解的包。

1.主成分分析K1规则是研究者最常采用的标准之一。Kaiser(1960)认为只有那些特征根大于1的主成分应当被保留下来。

在做主成分分析之前需要进行KMO检验和球形检验,以确定数据是否适合做探索性因素分析。在psych包中,KMO检验的函数就是KMO,而球形检验是函数是 cortest.bartlett。

在这里我们先进行球形检验,其代码结构如下:

cortest.bartlett(R, n = NULL,diag=TRUE)

##R为各条目之间的相关矩阵

##n为数据样本的人数࿰

标签:分析,因素,探索性,Analysis,FA,Factor,KMO
来源: https://blog.csdn.net/Mrrunsen/article/details/122649357