Ý nghĩa của đầu ra R factanal là gì?

Tất cả điều này có nghĩa là gì? Tôi là một phân tích nhân tố 'noob' và mặc dù tôi đã đọc một cuốn sách, nó không cho tôi biết mọi thứ rõ ràng.

Vì thống kê chi vuông rất cao và giá trị p quá thấp, nên dường như dữ liệu gần với coplanar (2 chiều) trong không gian 6 chiều. Tuy nhiên, điều đó chỉ chiếm 89,4% của phương sai (tôi có giải thích điều này đúng không?)

Ngoài ra, tôi nghĩ các yếu tố là trực giao với nhau, vậy làm thế nào cả hai yếu tố có thể có tải tích cực cho mỗi biến?

Và sự độc đáo có ý nghĩa gì?

> 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
nguồn

@SeanMurphy: Cảm ơn! Bây giờ, tôi hiểu rằng "các yếu tố" phân tích nhân tố (xấp xỉ) ma trận dữ liệu 160x6 thành ma trận điểm 160x2 và ma trận tải 2x6. Đầu ra cho tôi ma trận tải, nhưng tôi cũng quan tâm đến ma trận điểm. Làm thế nào để tôi có được điều đó? Tốt nhất là trong một hình thức mà tôi có thể xuất và / hoặc cốt truyện.

— David Shobe

Thống kê chi bình phương và giá trị p trong thực tế đang kiểm tra giả thuyết rằng mô hình phù hợp với dữ liệu một cách hoàn hảo. Khi giá trị p thấp, như ở đây, chúng ta có thể bác bỏ giả thuyết này - vì vậy trong trường hợp này, mô hình 2 yếu tố không phù hợp hoàn hảo với dữ liệu (điều này ngược lại với cách bạn dường như đang diễn giải đầu ra).

Điều đáng chú ý là 89,4% phương sai được giải thích bởi hai yếu tố là rất cao, vì vậy tôi không chắc tại sao "chỉ".

Bản thân các yếu tố không tương quan (trực giao) nhưng điều đó không có nghĩa là các biện pháp riêng lẻ không thể tương quan với cả hai yếu tố. Nghĩ về các hướng Bắc và Đông trên một la bàn - chúng không bị biến dạng, nhưng Đông Bắc sẽ 'tải' lên cả hai một cách tích cực.

Tính duy nhất là phương sai trong mỗi mục không được giải thích bởi hai yếu tố.

Liên kết này có thể hữu ích cho việc giải thích của bạn.

— Sean Murphy
nguồn