AVVISO: Il gruppo di consulenza Idre statistica sarà la migrazione del sito web per il CMS WordPress nel mese di febbraio per facilitare la manutenzione e la creazione di nuovi contenuti. Alcune delle nostre pagine più vecchie verranno rimossi o archiviati in modo tale che essi non saranno più mantenuti. Cercheremo di mantenere i reindirizzamenti in modo che i vecchi URL continueranno a lavorare nel miglior modo possibile. Benvenuti al Istituto per la ricerca e l'istruzione digitale Aiuto Consulting Group Stat dando un regalo Stata Annotated uscita Analisi Factor Questa pagina mostra un esempio di analisi fattoriale con note che spiegano l'uscita. Faremo una iterata assi principali (opzione IPF) con SMC come comunalità iniziali di ritegno tre fattori (fattore di opzione (3)), seguita da varimax e rotazioni Promax. Questi dati sono stati raccolti su 1428 studenti universitari (dati completi sul 1365 osservazioni) e sono le risposte alle voci su un sondaggio. Useremo item13 attraverso item24 nella nostra analisi. un. Autovalori: un autovalore è la varianza del fattore. Nella soluzione iniziale fattore, il primo fattore rappresenterà la più varianza, la seconda rappresenterà il prossimo più alta quantità di varianza, e così via. Alcuni degli autovalori sono negativi perché la matrice non è di rango pieno, cioè, anche se ci sono 12 variabili la dimensionalità dello spazio fattore è molto meno Ci sono al massimo sette fattori possibile. b. Differenza: dà le differenze tra l'autovalore corrente e seguenti. c. Proporzione: Dà la percentuale di varianza spiegata dal fattore. d. Cumulative: Dà la percentuale cumulativa di varianza rappresentato da questo fattore, più tutti quelli precedenti. e. Fattore Carichi: I pesi fattoriali per questa soluzione ortogonale rappresentano sia come le variabili sono ponderati per ogni fattore, ma anche la correlazione tra le variabili e il fattore. f. Unicità: indica la proporzione della varianza comune del variabile non associata con i fattori. L'unicità è pari a 1 - comunanza. g. Ruotate Factor Carichi: I pesi fattoriali per la rotazione ortogonale varimax rappresentano sia come le variabili sono ponderati per ogni fattore, ma anche la correlazione tra le variabili e il fattore. Una rotazione Varimax tenta di massimizzare i carichi squadrati delle colonne. h. Unicità: valori Stesse in e. sopra perché è ancora una soluzione a tre fattori. I display opzione sbozzati unico fattore di carico superiore ad un valore specifico (ad esempio 0,3). io. Ruotate Factor Carichi: I pesi fattoriali per la rotazione obliqua promax rappresentano come l'ciascuna delle variabili sono ponderati per ogni fattore. Nota: queste non sono le correlazioni tra le variabili e fattori. La rotazione promax permette gli elementi da correlare nel tentativo di meglio struttura semplice approssimativa. io. Unicità: valori Stesse in e. e h. sopra perché è ancora una soluzione a tre fattori. Il comando comune estat è un comando postestimation che visualizza la correlazione tra i fattori di una rotazione obliqua. Il contenuto di questo sito web non deve essere interpretata come un'approvazione di un particolare sito web, il libro, o di un prodotto software dall'Università di California. NOTICE: Il gruppo di consulenza Idre statistica sarà la migrazione del sito web al CMS WordPress nel mese di febbraio per facilitare mantenimento e la creazione di nuovi contenuti. Alcune delle nostre pagine più vecchie verranno rimossi o archiviati in modo tale che essi non saranno più mantenuti. Cercheremo di mantenere i reindirizzamenti in modo che i vecchi URL continueranno a lavorare nel miglior modo possibile. Benvenuti l'Istituto di ricerca digitale e l'istruzione Aiuto Consulting Group Stat dando un regalo Stata FAQ Come posso fare l'analisi fattoriale con dati mancanti in Stata Cercando di eseguire analisi fattoriale con dati mancanti può essere problematico. Un problema è che più i metodi di imputazione tradizionali, come mi preventivo o mim. non lavoro con il comando Statas fattore. Truxillo (2005) ha suggerito un approccio con massima verosimiglianza con l'algoritmo em (EM) alla stima della matrice di covarianza. Statas mi comando calcola una matrice di covarianza EM come parte del processo di imputazione. Noi dimostrare come utilizzare questa matrice di covarianza EM per ottenere una soluzione fattore. Per cominciare, si caricare un Stata 11 set di dati famissing. ottenere alcune statistiche descrittive e calcolare la matrice di covarianza completa caso. Dalla produzione al di sopra, si può vedere che ci sono un totale di 1.428 osservazioni con 1.365 casi completi. Tutte le variabili sono casi mancanti ad eccezione di item14. item20 ha i dati più mancanti con solo 1.396 casi non mancanti. Useremo il formato mlong per mi set, ma questo approccio funziona con qualsiasi dei formati di dati mi. Al momento della registrazione variabili da imputare (mi registro imputati) si dovrebbe includere anche le variabili senza valori mancanti, come ad esempio item14. in modo che saranno incluse nella matrice di covarianza EM. Successivamente, eseguire il comando mi impute mvn con l'opzione emonly. Si noti che non ci sono variabili a destra del segno di uguale. In realtà, non c'è alcun segno uguale a tutti. Dopo aver eseguito mi impute. la matrice di covarianza EM può essere trovato nei risultati salvati in R (Sigmaem) che verrà poi salvare il covem matrice per l'uso in factormat. Useremo il comando factormat con la stima EM della matrice di covarianza per ottenere la nostra soluzione fattore. Il comando factormat richiede che la dimensione del campione, n. essere inseriti insieme al nome della matrice di covarianza. Nel suo documento, Truxillo discute tre metodi per specificare dimensione nominale del campione, 1) minima della colonna-saggio, 2) la media della colonna-saggio e 3) minima a due a due. minima Colonna-saggio è solo il numero di casi completi per le variabili con i valori più mancanti, che è il valore che useremo per questo esempio. Se si ricorderà dall'alto che il valore è 1.396. Quasi risultati identici a questi sono stati ottenere utilizzando SAS proc mi con fattore di proc e utilizzando Mplus con l'opzione dati mancanti. Truxillo, C. 2005. massima stima dei parametri verosimiglianza con dati incompleti. Atti del trentesimo annuale di SAS (r) Users Group International Conference. ltwww2.sasproceedingssugi30111-30.pdf gt Il contenuto di questo sito web non deve essere interpretata come un'approvazione di un particolare sito web, il libro, o di un prodotto software dalla University of California.
Comments
Post a Comment