Interpretazione Analisi Fattoriale Nel Forex Stata

AVVISO: Il gruppo di consulenza Idre statistica sarà la migrazione del sito web per il CMS WordPress nel mese di febbraio per facilitare la manutenzione e la creazione di nuovi contenuti. Alcune delle nostre pagine più vecchie verranno rimossi o archiviati in modo tale che essi non saranno più mantenuti. Cercheremo di mantenere i reindirizzamenti in modo che i vecchi URL continueranno a lavorare nel miglior modo possibile. Benvenuti al Istituto per la ricerca e l'istruzione digitale Aiuto Consulting Group Stat dando un regalo Stata Annotated uscita Analisi Factor Questa pagina mostra un esempio di analisi fattoriale con note che spiegano l'uscita. Faremo una iterata assi principali (opzione IPF) con SMC come comunalità iniziali di ritegno tre fattori (fattore di opzione (3)), seguita da varimax e rotazioni Promax. Questi dati sono stati raccolti su 1428 studenti universitari (dati completi sul 1365 osservazioni) e sono le risposte alle voci su un sondaggio. Useremo item13 attraverso item24 nella nostra analisi. un. Autovalori: un autovalore è la varianza del fattore. Nella soluzione iniziale fattore, il primo fattore rappresenterà la più varianza, la seconda rappresenterà il prossimo più alta quantità di varianza, e così via. Alcuni degli autovalori sono negativi perché la matrice non è di rango pieno, cioè, anche se ci sono 12 variabili la dimensionalità dello spazio fattore è molto meno Ci sono al massimo sette fattori possibile. b. Differenza: dà le differenze tra l'autovalore corrente e seguenti. c. Proporzione: Dà la percentuale di varianza spiegata dal fattore. d. Cumulative: Dà la percentuale cumulativa di varianza rappresentato da questo fattore, più tutti quelli precedenti. e. Fattore Carichi: I pesi fattoriali per questa soluzione ortogonale rappresentano sia come le variabili sono ponderati per ogni fattore, ma anche la correlazione tra le variabili e il fattore. f. Unicità: indica la proporzione della varianza comune del variabile non associata con i fattori. L'unicità è pari a 1 - comunanza. g. Ruotate Factor Carichi: I pesi fattoriali per la rotazione ortogonale varimax rappresentano sia come le variabili sono ponderati per ogni fattore, ma anche la correlazione tra le variabili e il fattore. Una rotazione Varimax tenta di massimizzare i carichi squadrati delle colonne. h. Unicità: valori Stesse in e. sopra perché è ancora una soluzione a tre fattori. I display opzione sbozzati unico fattore di carico superiore ad un valore specifico (ad esempio 0,3). io. Ruotate Factor Carichi: I pesi fattoriali per la rotazione obliqua promax rappresentano come l'ciascuna delle variabili sono ponderati per ogni fattore. Nota: queste non sono le correlazioni tra le variabili e fattori. La rotazione promax permette gli elementi da correlare nel tentativo di meglio struttura semplice approssimativa. io. Unicità: valori Stesse in e. e h. sopra perché è ancora una soluzione a tre fattori. Il comando comune estat è un comando postestimation che visualizza la correlazione tra i fattori di una rotazione obliqua. Il contenuto di questo sito web non deve essere interpretata come un'approvazione di un particolare sito web, il libro, o di un prodotto software dall'Università di California. NOTICE: Il gruppo di consulenza Idre statistica sarà la migrazione del sito web al CMS WordPress nel mese di febbraio per facilitare mantenimento e la creazione di nuovi contenuti. Alcune delle nostre pagine più vecchie verranno rimossi o archiviati in modo tale che essi non saranno più mantenuti. Cercheremo di mantenere i reindirizzamenti in modo che i vecchi URL continueranno a lavorare nel miglior modo possibile. Benvenuti al Istituto per la ricerca e l'istruzione digitale Aiuto Consulting Group Stat dando un regalo Annotated SPSS uscita Analisi Factor Questa pagina mostra un esempio di analisi fattoriale con note che spiegano l'uscita. I dati utilizzati in questo esempio sono stati raccolti dal Professor James Sidanius, che li ha generosamente condiviso con noi. È possibile scaricare i dati impostati qui. Panoramica: Il quotwhatquot e quotwhyquot dell'analisi L'analisi fattoriale fattore è un metodo di riduzione dei dati. Lo fa attraverso la ricerca di variabili sottostanti non osservabili (latenti) che si riflettono nelle variabili osservate (variabili manifeste). Ci sono molti metodi differenti che possono essere utilizzati per condurre un'analisi fattoriale (come principale fattore asse, massima verosimiglianza, minimi quadrati generalizzati, non ponderate minimi quadrati), ci sono anche molti diversi tipi di rotazioni che possono essere fatte dopo l'estrazione iniziale fattori, tra cui rotazioni ortogonali, come varimax e Equamax, che impongono la restrizione che i fattori non possono essere correlati, e rotazioni oblique, come promax, che permettono i fattori da correlare tra loro. È inoltre necessario determinare il numero di fattori che si desidera estrarre. Dato il numero di tecniche e opzioni di analisi fattoriale, non è sorprendente che i diversi analisti potrebbe raggiungere risultati molto diversi che analizzano lo stesso insieme di dati. Tuttavia, tutti gli analisti sono alla ricerca di struttura semplice. Struttura semplice è pattern di risultati tale che ogni carichi variabili altamente su un unico e solo un fattore. L'analisi fattoriale è una tecnica che richiede una dimensione grande campione. L'analisi fattoriale si basa sulla matrice di correlazione delle variabili in gioco, e correlazioni bisogno solitamente una dimensione grande campione prima stabilizzano. Tabachnick e Fidell (2001, pag 588) citare Comrey e Lees (1992) consigliano per quanto riguarda la dimensione del campione: 50 casi è molto povera, 100 è povero, 200 è giusto, 300 è buono, 500 è molto buono, e 1000 o più è eccellente . Come regola generale, un minimo di 10 osservazioni per variabile è necessario per evitare le difficoltà di calcolo. Per l'esempio di seguito, ci accingiamo a fare un piuttosto quotplain vanillaquot analisi fattoriale. Useremo fattore asse principale iterata con tre fattori come il nostro metodo di estrazione, una rotazione varimax, e per il confronto, ci sarà anche mostrare la soluzione obliqua PromAx. La determinazione del numero di fattori da estrarre dovrebbe essere guidato dalla teoria, ma anche informato eseguendo l'analisi estrazione di un diverso numero di fattori e di vedere quale numero di fattori produce i risultati più interpretabili. In questo esempio abbiamo inserito molte opzioni, tra cui la matrice di correlazione originale e riprodotto, la trama detriti e la trama dei fattori ruotati. Mentre non si può desiderare di utilizzare tutte queste opzioni, le abbiamo incluso qui per aiutare nella spiegazione delle analisi. Abbiamo anche creato una pagina di uscita commentato per una analisi delle componenti principali che mette in parallelo questa analisi. Per informazioni di carattere generale riguardanti le somiglianze e le differenze tra analisi delle componenti principali e l'analisi fattoriale, vedere Tabachnick e Fidell (2001), per esempio. La tabella sopra è uscita perché abbiamo usato l'opzione univariata nel sottocomando stampa. Si prega di notare che l'unico modo per vedere quanti casi sono stati effettivamente utilizzati per l'analisi fattore è quello di includere l'opzione univariata nel sottocomando stampa. Il numero di casi utilizzati nell'analisi sarà inferiore al numero totale di casi del file di dati se ci sono valori mancanti su una delle variabili utilizzate nell'analisi fattore, perché, per impostazione predefinita, SPSS fa una delezione listwise di casi incompleti . Se l'analisi fattoriale viene condotta sulle correlazioni (in contrasto con le covarianze), non è molto più di una preoccupazione che le variabili hanno mezzi molto diversi eo deviazioni standard (che è spesso il caso in cui le variabili sono misurate su scale diverse). un. Significa - Queste sono le medie delle variabili utilizzate nell'analisi fattore. b. Std. Deviazione - Queste sono le deviazioni standard delle variabili utilizzate nell'analisi fattore. c. Analisi N - Questo è il numero di casi utilizzati nell'analisi fattore. La tabella sopra riportata è incluso nel uscita perché abbiamo usato l'opzione det nel sottocomando stampa. Tutto ciò che vogliamo vedere in questa tabella è che il fattore determinante non è 0. Se il determinante è 0, allora ci saranno problemi computazionali con l'analisi fattoriale, e SPSS può emettere un messaggio di avviso o di non essere in grado di completare l'analisi fattoriale. un. Kaiser-Meyer-Olkin Misura di campionamento Adequacy - Questa misura varia tra 0 e 1, e valori più vicini a 1 sono migliori. Un valore di 0,6 è un minimo suggerito. b. Bartletts test di sfericità - Questa testa l'ipotesi nulla che la matrice di correlazione è una matrice di identità. Una matrice identità è matrice in cui tutti gli elementi diagonali sono 1 e tutti fuori elementi diagonali sono 0. Si vuole rifiutare questa ipotesi nulla. Presi insieme, questi test forniscono uno standard minimo che deve essere superato prima di un fattore di analisi (o una analisi delle componenti principali) dovrebbe essere condotta. un. Comunalità - Questa è la proporzione di ogni varianza variabili che possono essere spiegato dai fattori (ad esempio sottostante Continua latente). Va inoltre osservato come h 2 e può essere definito come la somma dei pesi fattoriali quadrati per le variabili. b. Iniziale - Con fattorizzazione dell'asse principale fattore, i valori iniziali sulla diagonale della matrice di correlazione sono determinati dalla correlazione multipla quadrata della variabile con le altre variabili. Ad esempio, se gli elementi regredita 14 a 24 il punto 13, il quadrato coefficiente di correlazione multipla sarebbe 0,564. c. Estrazione - I valori di questa colonna indica la percentuale di ogni varianza variabili che possono essere spiegato dai fattori mantenuti. Le variabili con valori alti sono ben rappresentati nella spazio comune fattore, mentre le variabili con valori bassi non sono ben rappresentate. (In questo esempio, noi non hanno alcun valore particolarmente bassi.) Sono le varianze riprodotte dai fattori che avete estratto. È possibile trovare questi valori sulla diagonale della matrice di correlazione riprodotta. un. Factor - Il numero iniziale di fattori è uguale al numero di variabili utilizzate nell'analisi fattore. Tuttavia, non saranno conservati tutti i 12 fattori. In questo esempio, solo i primi tre fattori saranno conservati (come avevamo richiesto). b. Autovalori iniziali - autovalori sono le varianze dei fattori. Poiché abbiamo condotto la nostra analisi fattore sulla matrice di correlazione, le variabili sono standardizzati, il che significa che il ogni variabile ha una varianza di 1, e la varianza totale è pari al numero di variabili utilizzate nell'analisi, in questo caso, 12. c. Totale - Questa colonna contiene gli autovalori. Il primo fattore sempre conto della maggior varianza (e quindi avere il massimo autovalore), e il fattore prossimo rappresentare fino della varianza lasciati come può, e così via. Quindi, ogni fattore successiva rappresenterà varianza sempre meno. d. di varianza - Questa colonna contiene la percentuale di varianza totale rappresentato da ciascun fattore. e. Cumulativo - Questa colonna contiene la percentuale cumulativa della varianza rappresentato dalla corrente e tutti i fattori precedenti. Ad esempio, la terza riga mostra un valore di 68,313. Ciò significa che i primi tre fattori insieme rappresentano 68,313 della varianza totale. f. Le somme estrazione di Squared Carichi - Il numero di righe di questo pannello della tabella corrispondono al numero di fattori mantenuti. In questo esempio, abbiamo richiesto che tre fattori conservati, quindi ci sono tre righe, una per ogni fattore mantenuto. I valori in questo pannello della tabella sono stati calcolati nello stesso modo dei valori nel pannello di sinistra, eccetto che qui i valori sono basati sulla varianza comune. I valori in questo pannello del tavolo saranno sempre inferiori ai valori nel pannello di sinistra della tabella, perché si basano sulla varianza comune, che è sempre minore della varianza totale. g. Le somme di rotazione di Squared Carichi - I valori in questo pannello della tabella rappresentano la distribuzione della varianza dopo la rotazione varimax. Rotazione Varimax cerca di massimizzare la varianza di ciascuno dei fattori, quindi la quantità totale di varianza spiegata è ridistribuito sulle tre fattori estratti. Il grafico decrescente rappresenta graficamente l'autovalore contro il numero fattore. È possibile visualizzare questi valori nelle prime due colonne della tabella immediatamente superiore. Dal terzo fattore in poi, si può vedere che la linea è quasi piatta, cioè il fattore di ogni successiva è contabilità per importi sempre più piccole della varianza totale. b. Fattore di Matrix - Questa tabella contiene i pesi fattoriali non ruotate, che sono le correlazioni tra la variabile e il fattore. Perché questi sono correlazioni, i valori possibili vanno da -1 a 1. Sul formato di sottocomando, abbiamo usato l'opzione vuota (.30). che dice SPSS non stampare qualsiasi correlazioni che sono .3 o meno. Questo rende l'output più leggibile eliminando l'ingombro di basse correlazioni che probabilmente non sono significative comunque. c. Factor - Le colonne in questa voce sono i fattori non ruotate che sono stati estratti. Come si può vedere dalla nota fornito da SPSS (a.), Tre fattori sono stati estratti (i tre fattori che abbiamo richiesto). c. Riprodotto correlazioni - Questa tabella contiene due tabelle, le correlazioni riprodotte nella parte superiore della tabella, ei residui nella parte inferiore della tabella. d. Correlazione Riprodotto - La matrice di correlazione riprodotto è la matrice di correlazione in base ai fattori estratti. Si desidera che i valori nella matrice riprodotto per essere più vicino ai valori nella matrice di correlazione originale possibile. Ciò significa che la matrice residua, che contiene le differenze tra l'originale e la matrice riprodotta per essere vicino a zero. Se la matrice riprodotto è molto simile alla matrice di correlazione originale, poi si sa che i fattori che sono stati estratti hanno rappresentato una grande quantità di varianza nella matrice di correlazione originale, e questi pochi fattori di fare un buon lavoro di rappresentare i dati originali. I numeri sulla diagonale della matrice di correlazione riprodotta sono presentati nella tabella comunalità nella colonna denominata estratto. e. Residuo - (. A) Come osservato nella prima nota è fornito da SPSS, i valori di questa parte della tabella rappresentano le differenze tra correlazioni originali (indicati nella tabella di corrispondenza all'inizio della produzione) e le correlazioni riprodotte, che sono mostrato nella parte superiore della tabella. Ad esempio, la correlazione originale tra item13 e item14 è 0,661, e la correlazione riprodotta tra queste due variabili è 0,646. Il residuo è .016 0,661-0,646 (con qualche errore di arrotondamento). b. Ruotata Factor Matrix - Questa tabella contiene i carichi ruotato factor (matrice modello Factor), che rappresentano sia come le variabili sono ponderati per ogni f attore, ma anche la correlazione tra le variabili e il fattore. Perché questi sono correlazioni, i valori possibili vanno da -1 a 1. Sul formato di sottocomando, abbiamo usato l'opzione vuota (.30). che dice SPSS non stampare qualsiasi correlazioni che sono .3 o meno. Questo rende l'output più leggibile eliminando l'ingombro di basse correlazioni che probabilmente non sono significative comunque. Per rotazioni ortogonali, come varimax, le matrici modello fattore e fattore di struttura sono uguali. c. Factor - Le colonne in questa voce sono i fattori ruotati che sono stati estratti. Come si può vedere dalla nota fornito da SPSS (a.), Tre fattori sono stati estratti (i tre fattori che abbiamo richiesto). Questi sono i fattori che gli analisti sono più interessati e cercare di nome. Ad esempio, il primo fattore potrebbe essere chiamato quotinstructor competencequot perché articoli come quotinstructor ben preparequot e carico quotinstructor competencequot fortemente su di esso. Il secondo fattore potrebbe essere chiamato a quotrelating studentsquot perché articoli come quotinstructor è sensibile a studentsquot e quotinstructor mi permette di chiedere carico questionsquot fortemente su di esso. Il terzo fattore ha a che fare con confronti con altri istruttori e corsi. La tabella che segue è da un altro funzionamento del programma di analisi fattoriale mostrato sopra, se non con una rotazione PromAx. Abbiamo incluso qui per mostrare come le diverse soluzioni possono essere ruotati, e per illustrare meglio cosa si intende per struttura semplice. Come si può vedere con una rotazione obliqua, come ad esempio una rotazione promax, sono consentiti i fattori essere correlati tra loro. Con una rotazione ortogonale, come il varimax mostrato sopra, i fattori non possono essere correlati (sono ortogonali tra loro). rotazioni oblique, come promax, producono sia modello fattore e matrici struttura fattoriale. Per rotazioni ortogonali, come varimax e Equamax, la struttura fattore e il fattore di matrici modello sono uguali. La matrice della struttura fattoriale rappresenta le correlazioni tra le variabili ei fattori. La matrice fattore modello contiene i coefficienti della combinazione lineare delle variabili. La tabella indica che la rotazione è fatta una rotazione obliqua. Se fosse stato fatto una rotazione ortogonale (come la rotazione varimax mostrato sopra), questa tabella non apparirebbe nell'output, perché le correlazioni tra i fattori sono impostate a 0. Qui, si può vedere che i fattori sono altamente correlati. Il resto del output mostrato sotto è parte dell'output generato dalla sintassi SPSS indicato all'inizio di questa pagina. un. Fattore di trasformazione di matrice - Questa è la matrice da cui si moltiplica la matrice fattore non ruotata per ottenere la matrice fattore ruotato. Il grafico sopra mostra le voci (variabili) nello spazio fattore ruotato. Anche se questa immagine non può essere particolarmente utile, quando si ottiene questo grafico nell'output SPSS, è possibile in modo interattivo ruotarla. Questo può aiutare a vedere come gli elementi (variabili) sono organizzati in spazio comune fattore. un. Fattore Score Coefficiente Matrix - Questa è la matrice di peso factor e viene utilizzato per calcolare il fattore punteggi. un. Fattore Score covarianza Matrix - Perché abbiamo usato una rotazione ortogonali, questo dovrebbe essere una matrice diagonale, il che significa che lo stesso numero deve apparire in tutti e tre i luoghi lungo la diagonale. In realtà i fattori sono correlati però, perché i punteggi fattoriali sono stimati potrebbero esserci leggere correlazioni tra il fattore di punteggi. Il contenuto di questo sito web non deve essere interpretata come un'approvazione di un particolare sito web, il libro, o di un prodotto software dalla University of California.