[英]print() factor analysis output by sort in R
df.fa
是psych::fa(bfi[1:25],5,rotate = 'oblimin',fm='minres',cor = 'cor')
,
我print(df.fa$loadings,sort=TRUE)
,然后:
Loadings:
MR2 MR1 MR3 MR5 MR4
N1 0.815 0.103 -0.111
N2 0.777
N3 0.706 -0.100
E1 -0.557 0.106 -0.103
E2 -0.676
E4 0.591 0.287
C1 0.546 0.148
C2 0.149 0.666
C3 0.567
C4 0.174 -0.614
C5 0.189 -0.142 -0.553
A2 0.640
A3 0.116 0.660
A5 -0.112 0.233 0.532
你會發現N2
只有一個因子下的數(MR2),但為什么N3
有 2 個因子的數,甚至N1
有 3 個因子的數。
怎么解釋呢?
我會考慮計算絕對擬合統計數據來確定當前模型的擬合優度。 然后,您可以刪除上面的一些具有低因子載荷的項目,並通過確認因子分析創建一個新模型。 一般推薦以下三個統計:
志廣場; 建議不重要
塔克劉易斯指數 (TLI) 建議為 0.9 或更大
近似均方根誤差 (RMSEA); 建議小於 0.005
EFA_model <- fa(bfi[1:25], nfactors = 5)
EFA_model$TLI
EFA_model$RMSEA
EFA_model$chi
然后,您可以從EFA_model$loadings
中刪除因子加載分數較低的項目,並通過cfa()
函數構建 CFA 模型。
對 CFA 模型的絕對擬合統計進行與上述相同的評估,例如CFA_model$TLI
,您還可以使用 BIC(貝葉斯信息准則)與EFA_model$BIC
和CFA_model$BIC
比較 EFA 和 CFA 模型之間的相對擬合統計,以及BIC 較低的模型是首選。
也許這是格式問題,而不是統計問題。 默認情況下,不打印低因子載荷。 下面的行將刪除您的“不要在此下方打印”截止值(默認為 .1):
print(df.fa$loadings,sort=TRUE, cutoff = 0)
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.