O que Autovalores para usar para uma Análise de Fator

? Não é imediatamente óbvio que valores próprios para usar em uma análise fatorial . Para compreender verdadeiramente o processo de seleção de valores próprios para o modelo resultante , é necessário primeiro compreender o significado dos valores próprios de uma análise fatorial. Este conhecimento, juntamente com um bom método de seleção de valores próprios , resultará em uma boa escolha de valores próprios para a sua análise. Finalidade de selecionar Eigenvalues ​​

O papel autovalores jogar em uma análise fatorial é semelhante ao papel que desempenham na análise de componentes principais : eles permitem que você saiba o quanto cada fator de variação ou componente pode explicar. O objetivo na seleção de valores próprios é incluir variação suficiente em seu modelo que a solução final é válida , apesar de não complicar o seu modelo com muitos fatores.

Scree Plot

o enredo scree é uma abordagem gráfica para selecionar valores próprios . Esta abordagem, que foi desenvolvido por Raymond Cattell em 1966, é um meio um tanto subjetivos de seleção de fatores. A trama cascalho coloca os valores próprios no eixo y e os factores com o eixo x . O utilizador deste procedimento encontra um ” cotovelo ” na trama cascalho , que é um ponto , após o que todos os valores próprios estão alinhados de um modo linear . Os valores próprios antes desta cotovelo são aqueles que o pesquisador deve utilizar na análise fatorial . Regra Regra

Kaiser

da Kaiser é uma regra de tomada de decisão objetiva para a seleção de valores próprios . Ele afirma que todos os valores próprios superiores a unidade deve ser usada. Esta regra é intuitivamente satisfazer em que todos os fatores associados com valores próprios sob unidade contêm menos informações do que as variáveis ​​originais que foram utilizados na análise fatorial. Esta regra é tanto objetiva e fácil de usar. Procedimento

Procedimento de Horn

de Horn reconhece que os processos de análise fatorial e análise de componentes principais vai explorar a variação aleatória no dados . Este valor de variação aleatória em leva ao primeiro valor próprio ser sempre maior do que a unidade , independentemente do facto de os dados em si não tem quaisquer correlações interessantes entre as variáveis ​​. Procedimento de Horn aborda este problema , comparando valores próprios não para a unidade, mas para os valores próprios de uma análise de componentes principais que usam puramente aleatórios , os dados não correlacionadas . Cada valor próprio a partir da análise de factores é comparado com o valor próprio correspondente para a análise de componentes principais . Se o valor próprio da análise fatorial é maior, ele é escolhido. Caso contrário, ele é descartado.