HINWEIS: Die IDRE Statistical Consulting Group wird die Migration der Website auf das WordPress CMS im Februar, um die Wartung und Erstellung neuer Inhalte zu erleichtern. Einige unserer älteren Seiten werden entfernt oder archiviert, so dass sie nicht länger erhalten bleiben. Wir werden versuchen, die Weiterleitungen so zu halten, dass die alten URLs weiterhin so gut funktionieren, wie wir können. Willkommen beim Institut für Digitale Forschung und Bildung Helfen Sie der Stat Consulting Group, indem Sie ein Geschenk geben Stata Annotated Output Factor Analysis Diese Seite zeigt eine Beispielfaktoranalyse mit Fußnoten, die den Ausgang erklären. Wir werden eine iterierte Hauptachse (IPF-Option) mit SMC als erste Kommunalitäten mit drei Faktoren (Faktor (3) - Option) befolgen, gefolgt von Varimax - und Promax-Rotationen. Diese Daten wurden auf 1428 Studenten (vollständige Daten auf 1365 Beobachtungen) gesammelt und sind Antworten auf Elemente auf einer Umfrage. Wir verwenden Item13 bis Item24 in unserer Analyse. ein. Eigenwert: Ein Eigenwert ist die Varianz des Faktors. In der Anfangsfaktor-Lösung wird der erste Faktor die Varianz berücksichtigen, die zweite wird die nächsthöhere Varianzmenge berücksichtigen, und so weiter. Einige der Eigenwerte sind negativ, da die Matrix nicht von vollem Rang ist, das heißt, obwohl es 12 Variablen gibt, ist die Dimensionalität des Faktorraums viel geringer. Es sind höchstens sieben Faktoren möglich. B. Differenz: Gibt die Differenzen zwischen dem aktuellen und dem folgenden Eigenwert an. C. Proportion: Gibt den Anteil der Abweichung an, der durch den Faktor berücksichtigt wird. D. Kumulativ: Gibt den kumulierten Anteil der Abweichung für diesen Faktor plus alle der vorherigen. D. h. Faktorbelastungen: Die Faktorbelastungen für diese orthogonale Lösung stellen sowohl die Gewichtung der Variablen für jeden Faktor als auch die Korrelation zwischen den Variablen und dem Faktor dar. F. Eindeutigkeit: Gibt den Anteil der gemeinsamen Varianz der Variablen nicht mit den Faktoren assoziiert. Eindeutigkeit ist gleich 1 - Gemeinsamkeit. G. Rotationsfaktorbelastungen: Die Faktorbelastungen für die orthogonale Varimaxrotation stellen sowohl die Gewichtung der Variablen für jeden Faktor als auch die Korrelation zwischen den Variablen und dem Faktor dar. Eine Varimaxrotation versucht, die quadratischen Beladungen der Säulen zu maximieren. H. Eindeutigkeit: Gleiche Werte wie in e. Weil es immer noch eine dreifache Lösung ist. Die Option "Leerzeichen" zeigt nur die Faktorbelastung an, die größer als ein bestimmter Wert ist (z. B. 0,3). ich. Rotationsfaktorbelastungen: Die Faktorbelastungen für die Promax-Schrägdrehung stellen dar, wie die einzelnen Variablen für jeden Faktor gewichtet werden. Anmerkung: Dies sind keine Korrelationen zwischen Variablen und Faktoren. Die Promax-Rotation ermöglicht es, dass die Faktoren korreliert werden, um die Struktur einfacher zu approximieren. ich. Eindeutigkeit: Gleiche Werte wie in e. Und h. Weil es immer noch eine dreifache Lösung ist. Der estat-Common-Befehl ist ein Post-Schätzbefehl, der die Korrelation zwischen den Faktoren einer Schrägdrehung anzeigt. Der Inhalt dieser Website sollte nicht als eine Bestätigung für eine bestimmte Website, Buch oder Software-Produkt von der Universität von Kalifornien ausgelegt werden. NOTICE: Die IDRE Statistical Consulting-Gruppe wird die Migration der Website, um die WordPress CMS im Februar zu erleichtern Wartung und Erstellung neuer Inhalte. Einige unserer älteren Seiten werden entfernt oder archiviert, so dass sie nicht länger erhalten bleiben. Wir werden versuchen, die Weiterleitungen so zu halten, dass die alten URLs weiterhin so gut funktionieren, wie wir können. Willkommen beim Institut für Digitale Forschung und Bildung Helfen Sie der Stat Consulting Group durch ein Geschenk Stata FAQ Wie kann ich eine Faktorenanalyse mit kategorialen (oder kategorischen und kontinuierlichen) Variablen durchführen Standardmethoden zur Durchführung der Faktorenanalyse (dh auf Basis einer Matrix von Pearsons-Korrelationen) annehmen, dass die Variablen kontinuierlich sind und einer multivariaten Normalverteilung folgen. Wenn das Modell Variablen enthält, die dichotom oder ordinal sind, kann eine Faktorenanalyse unter Verwendung einer polychorischen Korrelationsmatrix durchgeführt werden. In Stata können wir eine Matrix polychorischer Korrelationen unter Verwendung des benutzerdefinierten Befehls polychoric erzeugen. Sie können den Befehl polychoric finden und installieren, indem Sie findit polychoric im Befehlsfenster von Stata eingeben und den Anweisungen des Bildschirms folgen. Weitere Informationen zum Suchen und Installieren von benutzerdefinierten Befehlen finden Sie in unserer FAQ: Wie verwende ich findit, um nach Programmen und zusätzlicher Hilfe zu suchen. Beachten Sie, dass Variablen, die mit Polychoric verwendet werden, binär (01), ordinal oder kontinuierlich sein können, aber nicht nominal (ungeordnete Kategorien) sein können. Beachten Sie auch, dass die Korrelationen in der Matrix, die durch den polychorischen Befehl erzeugt werden, nicht alle polychorischen Korrelationen sind. Wenn beide Variablen 10 oder weniger beobachtete Werte aufweisen, wird eine polychorische Korrelation berechnet, wenn nur eine der Variablen 10 oder weniger Werte (dh eine Variable ist kontinuierlich und die andere kategorisch) eine polyserielle Korrelation berechnet und wenn beide Variablen nehmen Bei mehr als 10 Werten wird eine Pearsons-Korrelation berechnet. Sobald wir eine polychorische Korrelationsmatrix haben, können wir den factormat-Befehl verwenden, um eine explorative Faktoranalyse mit der Matrix als Eingabe durchzuführen, anstatt rohe Variablen. Der Datensatz für dieses Beispiel enthält Daten über 1428 Studenten und ihre Lehrer. Die Beispielanalyse umfasst dichotome Variablen, einschließlich Fakultätssex (facsex) und Fakultätsnationalität (US-Bürger oder ausländischer Staatsbürger, Facnat) kategoriale Variablen, einschließlich Fakultätsrang (Facrank), Student Rank (Studrank) und Grade (A, B, C, Etc.) und die kontinuierliche Variablen Fakultätsgehalt (Gehalt), Jahre Lehre an der University of Texas (yrsut), und die Zahl der Schüler in der Klasse (nstud) in dieser Analyse. Diese Variablen wurden ausgewählt, um einen Bereich von Typen von Variablen (d. h. dichotom, geordnet kategorisch und kontinuierlich) zu repräsentieren und nicht notwendigerweise substantiell sinnvolle Faktoren zu bilden. Darunter öffnen wir den Datensatz und erzeugen die polychorische Korrelationsmatrix für die acht Variablen in unserer Analyse. Sie können feststellen, dass der polychorische Befehl etwas langsamer verläuft als Statas korrelieren und pwcorr Befehle, das ist normal. Der polychorische Befehl zeigt nicht die Anzahl der Fälle an, die für die Erzeugung der Matrix verwendet werden, aber sie speichert die n in r (sumw), so dass wir den Anzeigebefehl verwenden können, um ihn anzuzeigen. Dann verwenden wir den Matrixbefehl, um die polychorische Korrelationsmatrix (gespeichert in r (R) durch den polychorischen Befehl) als r zu speichern. So dass wir es mit dem factormat Befehl verwenden können. Dem Factormatbefehl folgt der Name der Matrix, die wir für die Analyse verwenden möchten (d. h. r). Die n (.) - Optionquot gibt die Stichprobengröße an und ist erforderlich. Wir haben die Faktoren (.) Option verwendet, um anzuzeigen, dass wir drei Faktoren beibehalten möchten. Die obige Faktorenanalyseausgabe kann auf ähnliche Weise wie ein Standardfaktoranalysemodell interpretiert werden, einschließlich der Verwendung von Rotationsverfahren, um die Interpretierbarkeit zu erhöhen.
No comments:
Post a Comment