방금 회전 (promax)을 사용하여 FA를 실행했으며 한 요소에서 1.041의 요소 로딩을 생성 한 항목 (및 패턴 매트릭스를 사용하여 다른 요소에서 -.131, -.119 및 .065의 요소 로딩 ) . 그리고 그것이 무엇을 의미하는지 잘 모르겠습니다 .-1과 1 사이에서만 가능하다고 생각했습니다.
비스듬한 회전 때문입니까? 직교 요소로 하중이 1을 초과 할 수 있습니까?
방금 회전 (promax)을 사용하여 FA를 실행했으며 한 요소에서 1.041의 요소 로딩을 생성 한 항목 (및 패턴 매트릭스를 사용하여 다른 요소에서 -.131, -.119 및 .065의 요소 로딩 ) . 그리고 그것이 무엇을 의미하는지 잘 모르겠습니다 .-1과 1 사이에서만 가능하다고 생각했습니다.
비스듬한 회전 때문입니까? 직교 요소로 하중이 1을 초과 할 수 있습니까?
답변:
인자 로딩이 1보다 클 수 없다고 누가 말했습니까? 일어날 수 있습니다. 특히 상관 관계가 높은 요소가 있습니다.
SEM의 유명한 개척자에 의한 보고서에 대한 이 구절은 거의 요약합니다.
"이 오해는 아마도 상관 행렬이 분석되고 요인이 표준화되고 상관되지 않은 (직교) 인 경우 요인 로딩이 상관 관계인 고전 탐색 요소 분석에서 비롯된 것입니다. 상관 관계가 아니기 때문에 크기가 1보다 클 수 있습니다. "
로딩 인자 분석 또는 PCA에은 ( 1 참조 , 2 참조 , 3 참조 ) 표준화 (단위 변화) 요소 / 성분 별 선형 조합 예측 변수 (상품)의 회귀 계수 중량이다.
로딩이 을 초과하는 이유 :
이유 1 : 공분산 매트릭스를 분석했습니다. 분석 된 변수가 표준화 된 변수 인 경우 즉, 분석은 상관 관계 매트릭스를 기반으로 한 다음 추출 후 또는 직교 회전 후 (예 : varimax)-요인 / 구성 요소가 상관 관계가없는 경우-하중도 상관 계수입니다. 이것은 선형 회귀 방정식의 특성입니다. 직교 표준화 된 예측 변수를 사용하면 모수는 Pearson 상관 관계와 같습니다. 따라서 이러한 경우 로딩은 [-1, 1]을 초과 할 수 없습니다.
그러나 분석이 단지 중심 중심 변수 인 경우, 즉 분석이 공분산 행렬 을 기반으로 한 경우 회귀 계수가 이러한 모델이 상관 계수와 같을 필요는 없기 때문에 하중을 [-1, 1]로 제한 할 필요가 없습니다. 실제로 공분산입니다. 원시 로딩이었습니다. [-1, 1] 대역을 벗어나지 않도록 재조정 된 "재조정 된"또는 "표준화 된"로딩 (제 1 단락에서 제공 한 링크에 설명)이 있습니다.
이유 2 : 비스듬한 회전. promax 또는 oblimin과 같은 경사 회전 후 두 가지 유형 의 로딩 : 패턴 매트릭스 (회귀 계수 또는 자체 로딩)와 구조 매트릭스 (상관 계수)가 있습니다. 위의 이유 때문에 서로 같지 않습니다. 상관 예측 변수의 회귀 계수가 Pearson 상관과 다릅니다. 따라서, 패턴 로딩은 [-1, 1] 너머로 쉽게 놓일 수 있습니다. 상관 행렬이 분석 된 행렬 인 경우에도 마찬가지입니다. 따라서 요인 / 구성 요소가 비스듬한 시점입니다.
이유 3 (희귀) : 헤이우드 사건. Heywood 사례 ( pt 6 )는 반복시 로딩이 이론적으로 허용 된 크기를 초과 할 때 요인 분석 알고리즘에 어려움이 있습니다. 이는 커뮤니티가 분산을 넘어 서면 발생합니다. Heywood 사례는 드문 상황이며 일반적으로 요청 된 요소 수를 지원할 변수가 너무 적은 경우 일부 데이터 세트에서 발생합니다. 프로그램에서 Heywood 사례 오류가 있음을 알리고 중지하거나 해결하려고합니다.