R

我正试图更好地理解FA，希望你们能看看这个，我最大的问题是如何解释R中的FA模型

我的结果如下所示： 我应该在我的结果中看到什么值，什么是FA分析的良好指标

Call:
factanal(x = m2, factors = 2)

Uniquenesses:
v1 v2 v3 v4 v5 v6 v7 v8 v9 v10 v11 v12
0.005 0.324 0.344 0.092 0.084 0.128 0.271 0.272 0.398 0.384 0.540 0.472

Loadings:
Factor1 Factor2
v1 0.847 0.527
v2 0.818
v3 0.733 0.344
v4 0.938 0.169
v5 0.949 0.125
v6 0.825 0.437
v7 0.701 0.488
v8 0.646 0.557
v9 0.467 0.619
v10 0.665 0.417
v11 0.525 0.429
v12 0.581 0.436

Factor1 Factor2
SS loadings 5.905 2.780
Proportion Var 0.492 0.232
Cumulative Var 0.492 0.724

Test of the hypothesis that 2 factors are sufficient.
The chi square statistic is 410.82 on 43 degrees of freedom.
The p-value is 1.59e-61

---

一般来说，对于FA，您无法直接解释因子载荷，因为它们不是唯一的（旋转问题）。除此之外，我讨厌听起来像心理学家（统计学家的笑话…），但你的p值很低

我发布了一篇关于人格测试因素结构的文章。它显示了如何提取您可能需要的一些公共信息（例如，公共性；因子数量测试；因子解释的方差；旋转等）。

因为这里没有可复制的示例，只有一个输出。我将为你们提供全民教育下一步的建议。 在这里，我认为您需要验证您的模型的可靠性。通常，建议使用

alpha（）

和

splitHalf（）

函数，它们位于

psych

软件包中。 如果你发现你的模型的可靠性都大于0.8，幸运的是你可能会得到一个好的模型

---

这里有一些小例子供您深入探讨。

我可能在这里没有受过教育，但“FA模型”到底是什么？FA=因子分析，这是一个统计问题，不是编程问题。我不是专家，但正是出于这个原因，我通常会远离FA。相反，如果你能从你的变量中构造一个有意义的潜在索引，那就试试吧。然后使用可靠性规则检查α值等。Rcmdr包的可靠性功能非常直观。不过，还有很多其他功能——例如，看看psych软件包。只有12个变量-这就是我要做的。