Calculando autovalores
Para determinar empiricamente a dimensionalidade dos seus dados, uma estratégia comum é examinar os autovalores. Autovalores são representações numéricas da quantidade de variância explicada por cada fator ou componente. Eles são calculados a partir de uma matriz de correlação, então você precisará usar cor() para calcular e armazenar a matriz de correlação do conjunto de dados antes de calcular os autovalores. Você deve especificar que quer usar observações completas por par (pairwise). O padrão é usar tudo, mas, se seu conjunto de dados tiver valores ausentes, isso vai resultar em uma matriz cheia de NAs.
Você fará esses cálculos no conjunto bfi_EFA que acabou de criar — lembre-se de que você está guardando os dados em bfi_CFA para sua análise confirmatória!
Este exercício faz parte do curso
Análise Fatorial em R
Instruções do exercício
- Use
cor()para calcular a matriz de correlação do seu conjunto de dados para EFA. Defina o argumentousepara utilizar observações completas por par (pairwise-complete). - Em seguida, use essa matriz de correlação com a função
eigen()para obter os autovalores. - Os autovalores ficam no elemento
valuesdo objeto de listaeigenvals. Dê uma olhada!
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
# 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
___$___