Memahami analisis faktor

8

Dapatkah saya memahami analisis faktor dengan cara berikut?

Asumsikan saya memiliki 5 variabel independen (A, B, C, D, E)

Analisis faktor memungkinkan saya untuk membuat (D, E) menjadi variabel dependen dan memungkinkan saya untuk membuatnya menjadi kombinasi linear dari (A, B, C).

Karena itu saya hanya perlu membawa data (A, B, C) dan matriks , maka saya dapat membuat kembali data (D, E) dengan data (A, B, C) dan matriks . $\Lambda$ $\Lambda$

Itu hanya pengurangan data. Apakah saya benar?

factor-analysis

— Marco
sumber

5

Saya membatalkan pertanyaan ini karena masuk akal. Pertanyaan-pertanyaan yang diajukan dengan baik yang menyingkap kesalahpahaman harus disambut (dan diputuskan untuk mengindikasikan hal itu), tidak diremehkan dengan downvote, karena mereka dapat mendorong respons yang hebat seperti yang telah ditawarkan oleh @StasK di sini.

— whuber

18

Tidak. Dalam analisis faktor, semua variabel adalah variabel dependen, dan mereka bergantung pada faktor laten (dan juga mengandung kesalahan pengukuran). Sementara skor faktor sering digunakan sebagai pengganti variabel asli, yang mungkin tampak seperti masalah pengurangan data, inilah yang menjadi tujuan analisis faktor. Dengan kata lain, alih-alih mengatakan, "Wow, saya punya banyak data yang tidak dapat saya proses dan pahami benar-benar, dapatkah saya menghasilkan trik untuk memiliki lebih sedikit variabel?", Analisis faktor biasanya dilakukan dalam situasi " Saya tidak dapat mengukur sesuatu secara langsung, jadi saya akan mencoba pendekatan yang berbeda untuk itu; Saya tahu saya akan memiliki banyak data, tetapi ini akan menjadi data terkait dari struktur yang diketahui, dan saya akan dapat memanfaatkan struktur itu untuk belajar tentang hal itu bahwa saya tidak dapat mengukur secara langsung ".

Apa yang Anda gambarkan memenuhi syarat sebagai regresi multivarian (jangan bingung dengan regresi berganda, yang mencakup satu variabel dependen dan banyak variabel penjelas; regresi multivarian memiliki banyak variabel dependen dan rangkaian variabel penjelas yang sama dalam setiap regresi individu), atau korelasi kanonik ( dengan beberapa rentang imajinasi), atau beberapa indikator dan beberapa penyebab model persamaan struktural, mungkin. Tapi tidak, ini bukan analisis faktor.

— Tugas
sumber

1

untuk menambah respons sempurna @ StasK, saya akan mengklarifikasi lebih lanjut dengan mengatakan bahwa masalah ini memang berada di bawah payung umum pemodelan persamaan struktural (SEM). SEM adalah teknik yang dapat digunakan untuk memodelkan struktur kovarian dan, sementara biasanya digunakan dengan variabel yang tidak diamati atau laten, itu juga dapat diterapkan untuk model dengan hanya variabel yang diamati atau nyata. menerapkan metodologi dan terminologi SEM untuk masalah Anda, D dan E akan dianggap variabel endogen sedangkan A, B, dan C adalah variabel eksogen. endogeny menunjukkan bahwa varians dalam variabel tertentu dijelaskan oleh variabel lain sementara eksogen menunjukkan bahwa varians tidak dijelaskan oleh variabel lain, laten atau manifes.

werner wothke menyediakan beberapa slide yang bagus untuk memperkenalkan SEM menggunakan SAS di sini .

juga mencari situs ed rigdon yang membahas berbagai masalah SEM (terlalu baru, tidak dapat ditautkan!).

kembali ke dasar-dasar, jika tujuan Anda adalah memahami analisis faktor, saya sarankan memulai dengan teks terapan seperti analisis faktor konfirmatori brown untuk penelitian terapan .

— allinonove
sumber

1

Halaman Ed Rigdon adalah www2.gsu.edu/~mkteer . Untuk membuat jawaban ini lebih lengkap, saya akan menambahkan bahwa SEM dengan variabel yang diamati hanya pertama kali dipelajari dalam ekonometrika pada 1950-an atau lebih dengan judul model persamaan simultan. Buku bagus Ken Bollen ( amazon.com/Structural-Equations-Latent-Variables-Kenneth/dp/… ) sebenarnya adalah salah satu dari beberapa buku tentang SEM yang membahasnya dengan cukup detail untuk mempelajari sesuatu yang bermanfaat.

— Tugas