Mettre en œuvre le critère MAP de Velicer

Question

Je regarde le psych package et le VSS tutorial, est-ce que je remplace simplement VSS avec MAP? Comme ceci:

MAP(x, n = 8, rotate = "varimax", diagonal = FALSE, fm = "pa", n.obs=NULL,plot=TRUE,title="Very Simple Structure",...) 

ou y a-t-il une autre façon de le faire?

Je fais actuellement une analyse factorielle et j'utilise la méthode du coude sur un tracé d'éboulis. J'essaie de voir si je peux essayer d'utiliser le critère MAP de Velicer également

Answer 1

Consultez la documentation de cette fonction en utilisant ?MAP.

S'il n'y a rien, envoyer un e-mail sans doute à l'auteur, figurant à la page du CRAN paquet: CRAN Page for Psych

Ce paquet est fait par les gens sur ce site. Ils ont probablement une liste de diffusion: PersonalityProject.org

Answer 2

@Ryan Rosario

Je fini par comprendre:

install.packages("psych") 
library("psych") 

J'ai couru l'échantillon étapes

my.VSS <- VSS(test.data,title="VSS of 24 mental tests") 

et

VSS(sim.circ(nvar=24),fm="mle", title="VSS of 24 circumplex variables") 

et

VSS(sim.item(nvar=24),fm="mle", title="VSS of 24 circumplex variables") 

vous obtenez quelque chose comme ça en sortie (pour la dernière entrée):

Structure très simple de VSS de 24 variables circumplex d'appel: VSS (x = sim.item (nvar = 24), fm = "mle" title = "VSS de 24 variables circumplex") VSS complexité 1 permet d'obtenir une maximimum de 0,84 à 3 facteurs VSS complexité 2 permet d'obtenir une maximimum de 0,87 à 8

facteurs

Le critère MAP Velicer atteint un minimum de 0,05 à deux facteurs

Velicer CARTE 1 0,05 0,01 0,01 0,01 0,01 0,02 0,02 0,02

très simple Structure de complexité 1 1 0,44 0,84 0,84 0,80 0,75 0,76 0,80 0,80

Très simple Structure complexité 2 1 0,00 0,85 0,85 0,85 0,86 0,86 0,86 0,87

comme documentation says (mise en évidence ci-dessus est le mien):

« critère MAP Wayne Velicer a été ajouté comme un test supplémentaire pour le nombre optimal de composants à extrait.Notez que VSS et MAP ne pas toujours d'accord sur le nombre optimal. »

Dans ce cas VSS avec la complexité de 1 et 2 donne une réponse de 3 et 8 facteurs respectivement, tandis que le critère MAP de Velicer donne 2.

Answer 3

une réponse tardive, mais je pensais que je suis à commentaire de pageman Disons que vous créez un objet avec la fonction vv.

my.vss <- vss(test.data) 

la fonction sommaire fournira les résultats VSS et critère MAP, par exemple,

summary(my.vss) 

mais vous pouvez facilement tirer les résultats du MAP de l'objet ainsi (comme si je devais lors de l'exécution des tests de VSS et critère MAP sur plusieurs jeux de données), comme suit:

#returns the number of factors recommended by MAP 
which(my.vss$map == min(my.vss$map)) 

#returns the number of factors recommended by VSS for complexity 1 
which(my.vss$cfit.1 == max(my.vss$cfit.1) 

#returns the number of factors recommended by VSS for complexity 2 
which(my.vss$cfit.2 == max(my.vss$cfit.2)) 

Il y a aussi tout un tas de statistiques amusantes traîner à l'intérieur de la vss.stats data.frame avec dans l'objet vss, à savoir,

class(my.vss$vss.stats)