@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.
merci pour cela! :) – pageman