Có một lý do để rời khỏi một giải pháp phân tích nhân tố khám phá không được bảo vệ?


10

Có bất kỳ lý do để không xoay một giải pháp phân tích nhân tố khám phá?

Thật dễ dàng để tìm thấy các cuộc thảo luận so sánh các giải pháp trực giao với các giải pháp xiên và tôi nghĩ rằng tôi hoàn toàn hiểu tất cả những thứ đó. Ngoài ra, từ những gì tôi có thể tìm thấy trong sách giáo khoa, các tác giả thường đi ngay từ việc giải thích các phương pháp ước tính phân tích nhân tố sang giải thích cách xoay vòng hoạt động và một số tùy chọn khác nhau là gì. Những gì tôi chưa thấy là một cuộc thảo luận về việc có nên xoay ở vị trí đầu tiên hay không.

Như một phần thưởng, tôi đặc biệt biết ơn nếu bất kỳ ai cũng có thể cung cấp một đối số chống lại bất kỳ loại nào có thể hợp lệ cho nhiều phương pháp ước tính các yếu tố (ví dụ: phương pháp thành phần chính và phương pháp khả năng tối đa).


2
Xoay trục (yếu tố) không thay đổi gì trong vị trí kề nhau của các biến vis-a-vis lẫn nhau trong không gian của các yếu tố chung. Xoay chỉ thay đổi tọa độ của chúng trên các trục đó (tải trọng), giúp giải thích các yếu tố; lý tưởng ở đây là một số dạng của cái gọi là "cấu trúc đơn giản". Xoay chỉ để giải thích. Bạn có thể xoay trực giao, xiên, chỉ xoay trục này hoặc trục kia hoặc hoàn toàn không xoay. Điều đó không liên quan gì đến chất lượng toán học của phân tích nhân tố của bạn. Đó là lý do tại sao họ thường không thảo luận whether or not to rotate in the first place.
ttnphns

Phải, tôi hiểu điều đó. Chắc chắn có nhiều lý do tốt để xoay một giải pháp. Nhưng những gì tôi đang hỏi liệu có bất kỳ loại lập luận chống lại xoay vòng.
psychometriko

Câu trả lời:


7

Có, có thể có một lý do để rút khỏi vòng quay trong phân tích nhân tố. Lý do đó thực sự giống với lý do tại sao chúng ta thường không xoay các thành phần chính trong PCA (nghĩa là khi chúng ta sử dụng nó chủ yếu để giảm kích thước và không mô hình các đặc điểm tiềm ẩn).

Sau khi trích xuất, các yếu tố (hoặc thành phần) là trực giao và thường được xuất theo thứ tự giảm dần của phương sai của chúng (tổng bình phương của các tải trọng). Do đó, yếu tố thứ nhất chiếm ưu thế. Các yếu tố cơ bản giải thích thống kê những gì người thứ nhất để lại không giải thích được. Thông thường yếu tố đó tải khá cao trên tất cả các biến và điều đó có nghĩa là nó chịu trách nhiệm cho mối tương quan nền giữa các biến. Yếu tố thứ 1 như vậy đôi khi được gọi là yếu tố chung hoặc yếu tố g. Nó được coi là chịu trách nhiệm cho thực tế là mối tương quan tích cực chiếm ưu thế trong tâm lý học.1

Nếu bạn thích khám phá yếu tố đó hơn là coi thường nó và để nó hòa tan đằng sau cấu trúc đơn giản, đừng xoay các yếu tố được trích xuất. Bạn thậm chí có thể loại bỏ một phần ảnh hưởng của yếu tố chung từ các mối tương quan và tiến hành phân tích nhân tố các mối tương quan còn lại.


1 Sự khác biệt giữa giải pháp hệ số / thành phần trích xuất, một mặt và giải pháp đó sau khi quay (mặt trực giao hoặc xiên), mặt khác, là - ma trận tải được trích xuất có trực giao (hoặc gần trực giao, cho một số phương pháp trích xuất) cột: là đường chéo; nói cách khác, các tải trọng nằm trong "cấu trúc trục nguyên lý". Sau khi quay - ngay cả một vòng quay bảo toàn tính trực giao của các yếu tố / thành phần, chẳng hạn như varimax - tính trực giao của tải trọng bị mất: "cấu trúc trục nguyên tắc" bị bỏ qua cho "cấu trúc đơn giản". Cấu trúc trục chính cho phép sắp xếp giữa các yếu tố / thành phần là "hiệu trưởng nhiều hơn" hoặc "ít hiệu trưởng hơn"AAAAlà thành phần chung nhất của tất cả), trong khi trong cấu trúc đơn giản, tầm quan trọng tương đương của tất cả các yếu tố / thành phần được xoay được giả định - nói một cách logic, bạn không thể chọn chúng sau khi xoay: chấp nhận tất cả chúng (Pt 2 ở đây ). Xem hình ở đây hiển thị tải trước khi quay và sau khi xoay varimax.


Reise, Moore và Haviland (2010) thảo luận về ý tưởng trong câu cuối cùng của bạn ở một số chiều sâu. Reise (2012) dường như gợi ý rằng phân tích nhân đôi đang trở lại quá hạn. Tôi chắc chắn muốn tôi biết về nó sớm hơn bản thân mình!
Nick Stauner

Và thứ tự các yếu tố từ hầu hết đến phương sai ít nhất, điều này thường xảy ra đối với các phương pháp khai thác yếu tố khác nhau? Giống như bao thanh toán trục chính, khả năng tối đa, vv?
psychometriko

@psychometriko, À, nó luôn như vậy với p. trục. Với các phương pháp khác, việc đặt hàng có thể phụ thuộc vào phần mềm / gói bạn sử dụng. Những gì tôi khuyên bạn nên làm - để chắc chắn rằng 1) thứ tự là từ phương sai cao nhất đến phương sai thấp nhất 2) phương sai được tối đa hóa cho mọi yếu tố trước - làm PCA của ma trận tải sau khi trích xuất! (Làm PCA này mà không cần định tâm / chuẩn hóa, tất nhiên.)
ttnphns

0

Tôi nghĩ rằng điều này có thể giúp bạn: https://www.utdallas.edu/~herve/Abdi-rotations-pretty.pdf

Trân trọng,


Tài liệu này thực hiện chính xác những gì tôi đã nói hầu hết các sách giáo khoa làm: mô tả cách phân tích nhân tố hoạt động, sau đó đi ngay vào mô tả lý do để xoay một giải pháp và các phương pháp khác nhau để làm như vậy. Tôi đặc biệt quan tâm đến việc có tranh luận về việc xoay một giải pháp hay không. Trừ khi tôi thiếu một cái gì đó, tôi không tin tác giả giải quyết khả năng này.
psychometriko

2
Chào mừng đến với trang web, @jigbaja. Đây thực sự không phải là một câu trả lời cho câu hỏi của OP. Nó là một bình luận nhiều hơn. Vui lòng chỉ sử dụng trường "Câu trả lời của bạn" để cung cấp câu trả lời. Tôi nhận ra điều đó thật khó chịu, nhưng bạn sẽ có thể nhận xét ở bất cứ đâu khi danh tiếng của bạn> 50. Ngoài ra, bạn có thể cố gắng mở rộng nó để làm cho nó nhiều câu trả lời hơn. Vì bạn là người mới ở đây, bạn có thể muốn đọc trang tham quan của chúng tôi , nơi chứa thông tin cho người dùng mới.
gung - Phục hồi Monica

Xoay vòng nhân tố có xu hướng che khuất kết quả nếu một giá trị riêng đang chiếm ưu thế. Tôi có một trường hợp mà giá trị riêng đầu tiên lớn hơn nhiều so với phần còn lại. Hầu hết các phương pháp xoay có xu hướng phân phối phương sai đồng đều hơn giữa các yếu tố. Điều này có thể che khuất thực tế rằng có thể có một nguyên nhân cơ bản đằng sau hầu hết các phương sai.
Một sương mù

Không phải tất cả các phần mềm FA hoạt động giống nhau khi bạn chỉ định không xoay vòng. Ví dụ, gói R umxEFA sẽ căn chỉnh yếu tố đầu tiên với biến đầu tiên. Tôi thấy rằng xoay quartimax là tốt nhất khi một giá trị riêng đang chiếm ưu thế và không xoay vòng không phải là một lựa chọn. Tôi có đúng không, hay có một phương pháp xoay vòng tốt hơn khi có một yếu tố chung?
Một sương mù
Khi sử dụng trang web của chúng tôi, bạn xác nhận rằng bạn đã đọc và hiểu Chính sách cookieChính sách bảo mật của chúng tôi.
Licensed under cc by-sa 3.0 with attribution required.