탐색 적 요소 분석 솔루션을 회전시키지 않은 이유가 있습니까?


10

탐색 계수 분석 솔루션을 회전 시키지 않는 이유가 있습니까?

직교 솔루션과 비스듬한 솔루션을 비교하는 토론을 쉽게 찾을 수 있으며 그 모든 것을 완전히 이해한다고 생각합니다. 또한, 교과서에서 찾은 것으로부터, 저자는 일반적으로 요인 분석 추정 방법을 설명하는 것부터 회전이 어떻게 작동하는지 그리고 어떤 다른 옵션이 무엇인지 설명하는 것으로 바로 이동합니다. 내가 보지 못한 것은 처음부터 회전할지 여부에 대한 토론입니다.

보너스로, 여러 가지 요소 추정 방법 (예 : 주성분 방법 및 최대 우도 방법)에 유효한 모든 유형의 회전에 대해 논쟁을 제기 할 수 있다면 특히 감사 할 것입니다.


2
축 (요인)의 회전은 공통 요인의 공간에서 서로에 대한 변수의 병치에서 아무것도 변하지 않습니다. 회전은 해당 축 (하중)의 좌표 만 변경하므로 요인을 해석하는 데 도움이됩니다. 여기서 이상적인 것은 소위 "간단한 구조"의 형태입니다. 회전은 해석만을위한 것입니다. 직교, 비스듬히 회전하거나이 축이나 그 축만 회전 시키거나 전혀 회전하지 않을 수 있습니다. 그것은 요인 분석의 수학적 품질과 아무 관련이 없습니다. 그래서 그들은 보통 토론하지 않습니다 whether or not to rotate in the first place.
ttnphns 2012 년

알았어요 솔루션을 교체해야하는 많은 이유가 있습니다. 그러나 회전 에 대해 어떤 종류의 논쟁이 있는지 묻습니다 .
psychometriko

답변:


7

예, 요인 분석 에서 회전 을 철회해야하는 이유가있을 수 있습니다 . 그 이유는 실제로 PCA에서 주로 주요 구성 요소를 회전시키지 않는 이유와 유사합니다 (즉, 주로 차원 축소를 위해 사용하고 잠재적 특성을 모델링하지 않는 경우).

추출 후 요인 (또는 구성 요소)은 직교 이며 일반적으로 분산 (하중의 열 합의 제곱)의 내림차순으로 출력됩니다. 따라서 첫 번째 요소가 지배적입니다. 주니어 요소는 통계적으로 첫 번째 요소가 설명 할 수없는 부분을 설명합니다. 종종 그 요소는 모든 변수에 상당히 높은 부하를 주므로 변수 사이의 배경 상관을 담당합니다. 이러한 첫 번째 요인을 일반 요인 또는 g- 인자 라고도 합니다. 그것은 긍정적 인 상관 관계 가 심리 측정에서 우세 하다는 사실에 책임이있는 것으로 간주됩니다 .1

해당 요소를 무시하지 않고 탐색하는 데 관심이 있고 간단한 구조 뒤에 녹이도록하려면 추출 된 요소를 회전시키지 마십시오. 상관 관계에서 일반 요인의 영향을 부분적으로 제거하고 잔차 상관 관계를 요인 분석 할 수도 있습니다.


1 한편으로 추출 계수 / 성분 용액과 그 회전 후의 용액 (직교 또는 경사)의 차이점은, 추출 된 로딩 매트릭스 는 직교 (또는 거의 직교하는) 일부 추출 방법) 열 : 는 대각선입니다. 즉, 하중은 "원리 축 구조"에 있습니다. 회전 후-varimax와 같은 요소 / 구성 요소의 직교성을 유지하는 회전조차도 하중 의 직교성 이 손실됩니다. "간단한 구조"의 경우 "원칙 축 구조"가 삭제됩니다. 주축 구조는 요인 / 구성 요소를 "더 주요"또는 "낮은 기본"으로 분류 할 수 있습니다.'모든 회전 요소 / 부품의 단순한 구조에 동등한 중요성을 가정하면서) 모두의 가장 일반적인 구성 요소 인 - 논리적으로 말하기, 당신은 회전 후에 선택할 수 없습니다 : 그들 모두를 수용 (2 편 여기를 ). 그림을 참조하십시오 여기에 회전 전 VARIMAX 회전 후 부하를 표시.


Reise, Moore 및 Haviland (2010) 는 마지막 문장의 아이디어를 깊이있게 논의합니다. Reise (2012)는 이중 요인 분석이 기한이 지난 복귀 를 시사 하는 것으로 보인다 . 나는 내가 더 빨리 그것에 대해 알고 있었으면 좋겠다!
Nick Stauner

그리고 대부분의 분산부터 최소 분산까지의 요인 순서는 일반적으로 다른 요인 추출 방법에서 발생합니까? 주축 팩토링, 최대 가능성 등?
psychometriko

@psychometriko, 음, 항상 p와 같습니다. 중심선. 다른 방법의 경우 주문은 사용하는 소프트웨어 / 패키지에 따라 달라질 수 있습니다. 내가 권장하는 것-1) 순서가 가장 큰 분산에서 가장 작은 분산까지인지 확인하기 위해 2) 모든 이전 요소에 대해 분산이 최대화됩니다- 추출 후 로딩 매트릭스의 PCA를 수행 하십시오! (물론 센터링 / 정규화없이이 PCA를 수행하십시오.)
ttnphns

0

나는 이것이 당신을 도울 것이라고 생각합니다 : https://www.utdallas.edu/~herve/Abdi-rotations-pretty.pdf

문안 인사,


이 문서는 내가 대부분의 교과서에서 말한 것과 정확히 일치합니다. 요인 분석의 작동 방식을 설명한 다음 솔루션을 회전시키는 이유와 그 방법에 대한 설명으로 즉시 이동하십시오. 나는 특히 인수가 있는지 여부에 관심이 에 대한 해결책을 회전. 내가 빠진 것이 아니라면 저자가이 가능성을 해결한다고 믿지 않습니다.
psychometriko

2
@jigbaja 사이트에 오신 것을 환영합니다. 이것은 실제로 OP의 질문에 대한 답변이 아닙니다. 더 많은 의견입니다. 답변을 제공하려면 "답변"필드 만 사용하십시오. 실망 스럽지만 평판이 50보다 크면 어디에서나 댓글을 달 수 있습니다. 또는 더 확장하여 답변을 더 많이 얻을 수 있습니다. 여기에 처음 오셨으므로 새로운 사용자를위한 정보가 포함 된 둘러보기 페이지 를 읽어보십시오 .
gung-Monica Monica 복원

하나의 고유 값이 우세한 경우 요인 회전이 결과를 흐리게하는 경향이 있습니다. 첫 번째 고유 값이 나머지 고유 값보다 훨씬 큰 경우가 있습니다. 대부분의 회전 방법은 요인간에 분산을 더 균일하게 분산시키는 경향이 있습니다. 이것은 대부분의 차이 뒤에 단일 원인이있을 수 있다는 사실을 모호하게 할 수 있습니다.
안개

회전을 지정하지 않으면 모든 FA 소프트웨어가 동일하게 작동하는 것은 아닙니다. 예를 들어, R 패키지 umxEFA는 첫 번째 요소를 첫 번째 변수와 정렬합니다. 하나의 고유 값이 지배적이며 회전이 옵션이 아닌 경우 quartimax 회전이 가장 좋습니다. 맞습니까, 아니면 하나의 일반적인 요소가있을 때 더 나은 회전 방법이 있습니까?
안개
당사 사이트를 사용함과 동시에 당사의 쿠키 정책개인정보 보호정책을 읽고 이해하였음을 인정하는 것으로 간주합니다.
Licensed under cc by-sa 3.0 with attribution required.