Apa arti dari output factanal R?

Apa artinya semua ini? Saya seorang analisis faktor 'noob' dan meskipun saya sudah membaca buku, itu tidak memberi tahu saya segalanya dengan jelas.

Karena statistik chi square sangat tinggi dan nilai-p sangat rendah, tampaknya data tersebut hampir sama dengan coplanar (2 dimensi) dalam ruang 6 dimensi. Namun itu hanya menyumbang 89,4% dari varians (apakah saya menafsirkan ini kan?)

Juga, saya pikir faktor ortogonal satu sama lain, jadi bagaimana kedua faktor memiliki muatan positif untuk setiap variabel?

Dan apa arti keunikan itu?

> 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
sumber

@SeanMurphy: Terima kasih! Sekarang, saya mengerti bahwa analisis faktor "faktor" (kurang-lebih) matriks data 160x6 menjadi matriks skor 160x2 dan matriks memuat 2x6. Keluaran memberi saya matriks memuat, tapi saya juga tertarik pada matriks skor. Bagaimana saya mendapatkannya? Lebih disukai dalam bentuk yang bisa saya ekspor dan / atau plot.

— David Shobe

Statistik chi-square dan nilai-p dalam analisis faktual menguji hipotesis bahwa model tersebut cocok dengan data dengan sempurna. Ketika nilai p rendah, seperti di sini, kita dapat menolak hipotesis ini - jadi dalam kasus ini, model 2-faktor tidak cocok dengan data (ini berlawanan dengan bagaimana tampaknya Anda menafsirkan output).

Perlu dicatat bahwa 89,4% varian dijelaskan oleh dua faktor sangat tinggi, jadi saya tidak yakin mengapa 'hanya'.

Faktor-faktor itu sendiri tidak berkorelasi (ortogonal) tetapi itu tidak berarti ukuran individu tidak dapat berkorelasi dengan kedua faktor. Pikirkan tentang arah Utara dan Timur pada kompas - mereka tidak berkorelasi, tetapi Utara-Timur akan 'memuat' keduanya secara positif.

Keunikan adalah varians dalam setiap item yang tidak dijelaskan oleh dua faktor.

Tautan ini mungkin berguna untuk interpretasi Anda.

— Sean Murphy
sumber