Рекомендуемая процедура для факторного анализа на дихотомических данных с R

Мне нужно провести факторный анализ набора данных, состоящего из дихотомических переменных (0 = да, 1 = нет), и я не знаю, нахожусь ли я на правильном пути.

Используя tetrachoric()я создаю корреляционную матрицу, по которой я бегу fa(data,factors=1). Результат довольно близок к результатам, которые я получаю при использовании MixFactor , но это не то же самое.

Это нормально или вы бы порекомендовали другую процедуру?
Почему fa()работает и factanal()выдает ошибку? ( Fehler in solve.default(cv) : System ist für den Rechner singulär: reziproke Konditionszahl = 4.22612e-18)

r factor-analysis psychometrics binary-data

— Када
источник

Я не говорю (по-немецки?), Но ошибка выглядит так, потому что тетрахорическая матрица является единственной (необратимой). Даже в случае выборки хорошего размера некоторые оценки полихорических корреляционных матриц могут не быть правильными корреляционными матрицами. Я догадываюсь, что fa () использует основные компоненты, а factanal () выполняет FA с максимальным правдоподобием, но для меня это не очевидно из документации для fa ().

— JMS

@cada Сколько предметов / предметов у вас есть? А какой метод реализован в MixFactor?

— chl

@ Када, почему вы проводите факторный анализ? Если вы стремитесь оценить способности участников, IRT может быть лучшим подходом. Что касается fa и factanal, то по умолчанию fa использует минимальный остаток, а factanal использует метод ML.

— richiemorrisroe

@chl: слишком мало! Я только начал опрос, и на данный момент есть только 45 предметов. Я не могу собрать новые данные в данный момент, и именно поэтому я стараюсь сделать как можно больше кода r ...

— cada

@cada CFA с 45 предметами будет сюрреалистом :-) Я постараюсь добавить свои мысли позже.

— ЧЛ

Ответы:

Подводя итог, можно сказать, что при n = 45 предметах у вас останутся корреляционные и многомерные описательные подходы. Тем не менее, поскольку этот вопросник должен быть одномерным, это всегда хорошее начало.

Что бы я сделал:

Вычислить попарные корреляции для ваших 22 предметов; сообщить о диапазоне и медиане - это даст представление об относительной непротиворечивости ответов наблюдаемых элементов (корреляции выше 0,3 обычно считаются показателем хорошей конвергентной достоверности, но, конечно, точность этой оценки зависит от размера выборки) ; альтернативный способ изучения внутренней согласованности вопросника состоит в том, чтобы вычислить альфа Кронбаха , хотя при n = 45 соответствующий доверительный интервал (для этого используйте загрузчик) будет относительно большим.
Вычислить точечно-бизериальную корреляцию между предметами и суммой баллов по шкале; это даст вам представление о различающей способности каждого элемента (например, нагрузки в FA), где значения выше 0,3 указывают на удовлетворительные отношения между каждым элементом и их соответствующей шкалой.
Используйте PCA для суммирования матрицы корреляции (она дает эквивалентную интерпретацию тому, что было бы получено из анализа множественной корреспонденции в случае дихотомически оцениваемых элементов). Если ваш инструмент ведет себя как одномерный масштаб для вашего образца, вы должны наблюдать доминирующую ось изменения (как отражено первым собственным значением).

$2(1-r^2)/\sqrt(n)$

— хл
источник

Большое спасибо! Ваш ответ очень подробный и действительно очень полезный! Спасибо!

— Cada

В этой теме есть хорошая позиция Google для ошибки «System ist für den Rechner singulär: reziproke Konditionszahl», использующей factanal (по-английски: «система является единственно вычислительной: номер взаимного условия») - поэтому я добавлю комментарий:

Когда корреляционная матрица рассчитывается априори (например, для попарного удаления пропущенных значений), убедитесь, что factanal () не считает, что матрица является данными для анализа (https://stat.ethz.ch/pipermail/r- помощь / 2007-октябрь / 142567.html).

PREVIOUS: matrix = cor(data, use="pairwise.complete.obs")  # For example
WRONG: factanal(matrix, 3, rotation="varimax")
RIGHT: factanal(covmat=matrix, factors=3, rotation="varimax")

BurninLeo

— BurninLeo
источник