計算特徵值（eigenvalues）
要以經驗方式判定資料的維度性，一個常見做法是檢視特徵值。特徵值是每個因素或主成分所能解釋變異量的數值化表示。特徵值是從相關矩陣計算而來，所以在計算特徵值前，你需要先用 cor() 計算並儲存資料集的相關矩陣。你需要指定使用成對完整觀測值（pairwise complete observations）。預設會使用所有資料，但如果你的資料集中有遺漏值，結果會變成充滿 NA 的矩陣。
你會在剛建立的 bfi_EFA 資料集上進行這些計算——記得，把資料存到 bfi_CFA 是為了之後的驗證性分析！
本練習屬於課程
R 中的因素分析
練習說明
- 使用
cor()計算用於 EFA 的資料集之相關矩陣。將use參數設為使用成對完整觀測值。 - 接著，用該相關矩陣搭配
eigen()來取得特徵值。 - 特徵值儲存在
eigenvals清單物件的values元素中。查看一下吧！
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# 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
___$___