Вычисление собственных значений
Чтобы эмпирически определить размерность данных, часто используют анализ собственных значений. Собственные значения — это числовые характеристики объёма дисперсии, объясняемой каждым фактором или компонентом. Они вычисляются на основе корреляционной матрицы, поэтому сначала нужно рассчитать и сохранить корреляционную матрицу набора данных с помощью функции cor(). Укажите, что хотите использовать попарно полные наблюдения. По умолчанию используются все наблюдения, но если в наборе данных есть пропущенные значения, матрица окажется заполнена значениями NA.
Выполните эти вычисления на наборе данных bfi_EFA, который вы только что создали. Помните: данные в bfi_CFA вы оставляете для подтверждающего анализа!
Это упражнение является частью курса
Факторный анализ в R
Инструкции к упражнению
- С помощью функции
cor()вычислите корреляционную матрицу для вашего набора данных EFA. Задайте аргументуuseзначение, соответствующее использованию попарно полных наблюдений. - Затем передайте эту корреляционную матрицу в функцию
eigen(), чтобы получить собственные значения. - Собственные значения хранятся в элементе
valuesобъекта-спискаeigenvals. Посмотрите на результат!
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# 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
___$___