Was bedeutet die R-Faktan-Ausgabe?

Was bedeutet das alles? Ich bin ein 'Noob' der Faktorenanalyse und obwohl ich ein Buch gelesen habe, hat es mir anscheinend nicht alles erzählt.

Da die Chi-Quadrat-Statistik so hoch und der p-Wert so niedrig ist, scheinen die Daten innerhalb des 6-dimensionalen Raums nahezu koplanar (2 Dimensionen) zu sein. Dies macht jedoch nur 89,4% der Varianz aus (interpretiere ich dieses Recht?)

Außerdem dachte ich, dass Faktoren orthogonal zueinander sind. Wie können also beide Faktoren für jede Variable eine positive Belastung haben?

Und was bedeuten die Einzigartigkeiten?

> factanal(charges[3:8],2)

Call:
factanal(x = charges[3:8], factors = 2)

Uniquenesses:
      APT    CHELPG   Natural       AIM Hirshfeld       VDD 
    0.217     0.250     0.082     0.052     0.005     0.033 

Loadings:
          Factor1 Factor2
APT       0.609   0.642  
CHELPG    0.657   0.564  
Natural   0.571   0.769  
AIM       0.382   0.896  
Hirshfeld 0.910   0.408  
VDD       0.844   0.504  

               Factor1 Factor2
SS loadings      2.817   2.544
Proportion Var   0.470   0.424
Cumulative Var   0.470   0.894

Test of the hypothesis that 2 factors are sufficient.
The chi square statistic is 77.1 on 4 degrees of freedom.
The p-value is 7.15e-16 
>

r factor-analysis

— David Shobe
quelle

@ SeanMurphy: Danke! Jetzt verstehe ich, dass die Faktoranalyse die 160x6-Datenmatrix (ungefähr) in eine 160x2-Bewertungsmatrix und eine 2x6-Ladematrix "faktorisiert". Die Ausgabe gibt mir die Ladematrix, aber ich interessiere mich auch für die Punktematrix. Wie bekomme ich das? Am besten in einer Form, die ich exportieren und / oder zeichnen kann.

— David Shobe

Die Chi-Quadrat-Statistik und der tatsächliche p-Wert testen die Hypothese, dass das Modell perfekt zu den Daten passt. Wenn der p-Wert wie hier niedrig ist, können wir diese Hypothese ablehnen. In diesem Fall passt das 2-Faktor-Modell nicht perfekt zu den Daten (dies ist das Gegenteil davon, wie Sie die Ausgabe interpretiert haben).

Es ist erwähnenswert, dass 89,4% der Varianz, die durch zwei Faktoren erklärt wird, sehr hoch sind, daher bin ich mir nicht sicher, warum die "einzige".

Die Faktoren selbst sind nicht korreliert (orthogonal), aber das bedeutet nicht, dass einzelne Maße nicht mit beiden Faktoren korrelieren können. Denken Sie über die Richtungen Nord und Ost auf einem Kompass nach - sie sind nicht korreliert, aber Nordost würde sich positiv auf beide "laden".

Eindeutigkeiten sind die Abweichungen in jedem Element, die nicht durch die beiden Faktoren erklärt werden.

Dieser Link kann für Ihre Interpretation hilfreich sein.

— Sean Murphy
quelle