Calcular autovalores

Para determinar empíricamente la dimensionalidad de tus datos, una estrategia habitual es examinar los autovalores. Los autovalores representan numéricamente la cantidad de varianza explicada por cada factor o componente. Los autovalores se calculan a partir de una matriz de correlaciones, así que tendrás que usar cor() para calcular y almacenar la matriz de correlaciones del conjunto de datos antes de calcular los autovalores. Debes especificar que quieres usar observaciones completas por pares. El valor predeterminado es usar todo, pero si tu conjunto de datos tiene valores ausentes, esto te dejará con una matriz llena de NA.

Harás estos cálculos sobre el conjunto bfi_EFA que acabas de crear; recuerda que estás guardando los datos en bfi_CFA para tu análisis confirmatorio.

Este ejercicio forma parte del curso

Análisis factorial en R

Ver curso

Instrucciones del ejercicio

Usa cor() para calcular la matriz de correlaciones de tu conjunto EFA. Establece el argumento use para emplear observaciones completas por pares.
Después, usa esa matriz de correlaciones con la función eigen() para obtener los autovalores.
Los autovalores se guardan en el elemento values del objeto de lista eigenvals. ¡Échales un vistazo!

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

# Calculate the correlation matrix first
bfi_EFA_cor <- ___(bfi_EFA, use = ___)

# Then use that correlation matrix to calculate eigenvalues
eigenvals <- ___(bfi_EFA_cor)

# Look at the eigenvalues returned
___$___

Editar y ejecutar código