R语言探索性因子分析(Exploratory factor analysis)
Posted Data+Science+Insight
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了R语言探索性因子分析(Exploratory factor analysis)相关的知识,希望对你有一定的参考价值。
R语言探索性因子分析(Exploratory factor analysis)
因子分析的方法一般有两种:一是探索性因子分析(EFA);二是验证性因子分析(CFA)。探索性因子分析有助于建立新的假设、发展新的理论;验证性因子分析适用于理论架构已经较为清晰和完善的时候。
什么是探索性因子分析法?
探索性因子分析法(ExploratoryFactorAnalysis,EFA)是一项用来找出多元观测变量的本质结构、并进行处理降维的技术。因而,EFA能够将将具有错综复杂关系的变量综合为少数几个核心因子。
探索性因子分析法的起源
因子分析法是两种分析形式的统一体,即验证性分析和纯粹的探索性分析。英国的心理学家CharlesSpearman在1904年的时候,提出单一化的智能因子(ASingleIntellectualFactor)。随着试验的深入,大量个体样本被分析研究,Spearman的单一智能因子理论被证明是不充分的。同时,人们认识到有必要考虑多元因子。20世纪30年代,瑞典心理学家Thurstone打破了流行的单因理论假设,大胆提出了多元因子分析(MultipleFactorAnalysis)理论。Thurstone在他的《心智向量》(VectorsofMind,1935)一书中,阐述了多元
以上是关于R语言探索性因子分析(Exploratory factor analysis)的主要内容,如果未能解决你的问题,请参考以下文章
R语言数据集探索性数据分析(exploratory data analysis, EDA)示例:所有特征的直方图可视化基于目标变量的分组可视化每个特征的箱图特征的相关性分析pairs散点图矩阵
R探索新数据分析(Exploratory Data Analysis,EDA)
R语言因子分析FA(factor analysis)实战案例
R语言因子分析FA(factor analysis)步骤实战
R语言使用psych包的fa函数对指定数据集进行因子分析(输入数据为相关性矩阵)使用nfactors参数指定抽取的因子的个数fa函数因子分析结果解读(Extracting common facto