Pytania otagowane jako factor-rotation

Liniowa transformacja czynników w analizie czynnikowej (lub PCA), zwykle wykonywana w celu poprawy interpretowalności. Metody rotacji czynników obejmują varimax, promax, oblimin itp.

8
Czy po PCA następuje obrót (np. Varimax) nadal PCA?
Próbowałem odtworzyć niektóre badania (używając PCA) z SPSS w R. Z mojego doświadczenia wynika, że principal() funkcja z pakietu psychbyła jedyną funkcją, która się zbliżyła (lub jeśli moja pamięć służy mi dobrze, martwa), aby dopasować wynik. Aby dopasować te same wyniki co w SPSS, musiałem użyć parametru principal(..., rotate = …
1
Jaki jest intuicyjny powód wykonywania rotacji w analizie czynnikowej / PCA i jak wybrać odpowiedni obrót?
Moje pytania Jaki jest intuicyjny powód wykonywania rotacji czynników w analizie czynnikowej (lub komponentach w PCA)? Rozumiem, że jeśli zmienne są prawie jednakowo ładowane w najlepszych komponentach (lub czynnikach), to oczywiście trudno jest odróżnić komponenty. W takim przypadku można użyć rotacji, aby uzyskać lepsze rozróżnienie komponentów. Czy to jest poprawne? …
1
Czy stopnie swobody mogą być liczbą niecałkowitą?
Kiedy korzystam z GAM, daje mi resztkowy DF (ostatni wiersz kodu). Co to znaczy? Wychodząc poza przykład GAM, ogólnie, czy liczba stopni swobody może być liczbą niecałkowitą?26.626.626.6 > library(gam) > summary(gam(mpg~lo(wt),data=mtcars)) Call: gam(formula = mpg ~ lo(wt), data = mtcars) Deviance Residuals: Min 1Q Median 3Q Max -4.1470 -1.6217 -0.8971 …
27 r  degrees-of-freedom  gam  machine-learning  pca  lasso  probability  self-study  bootstrap  expected-value  regression  machine-learning  linear-model  probability  simulation  random-generation  machine-learning  distributions  svm  libsvm  classification  pca  multivariate-analysis  feature-selection  archaeology  r  regression  dataset  simulation  r  regression  time-series  forecasting  predictive-models  r  mean  sem  lavaan  machine-learning  regularization  regression  conv-neural-network  convolution  classification  deep-learning  conv-neural-network  regression  categorical-data  econometrics  r  confirmatory-factor  scale-invariance  self-study  unbiased-estimator  mse  regression  residuals  sampling  random-variable  sample  probability  random-variable  convergence  r  survival  weibull  references  autocorrelation  hypothesis-testing  distributions  correlation  regression  statistical-significance  regression-coefficients  univariate  categorical-data  chi-squared  regression  machine-learning  multiple-regression  categorical-data  linear-model  pca  factor-analysis  factor-rotation  classification  scikit-learn  logistic  p-value  regression  panel-data  multilevel-analysis  variance  bootstrap  bias  probability  r  distributions  interquartile  time-series  hypothesis-testing  normal-distribution  normality-assumption  kurtosis  arima  panel-data  stata  clustered-standard-errors  machine-learning  optimization  lasso  multivariate-analysis  ancova  machine-learning  cross-validation 
1
Czym są „obrócone” i „nieobrócone” główne elementy, biorąc pod uwagę, że PCA zawsze obraca osie współrzędnych?
O ile rozumiem, główne komponenty są uzyskiwane przez obrót osi współrzędnych w celu wyrównania ich z kierunkami maksymalnej wariancji. Niemniej jednak wciąż czytam o „niezabezpieczonych głównych składnikach”, a moje oprogramowanie statystyczne (SAS) daje mi główne elementy obrócone varimax, a także te niezabezpieczone. Tutaj jestem zdezorientowany: kiedy obliczamy główne elementy, osie …
3
Jak obliczyć główne składniki obrócone varimax w R?
Uruchomiłem PCA na 25 zmiennych i wybrałem 7 najlepszych komputerów za pomocą prcomp. prc <- prcomp(pollutions, center=T, scale=T, retx=T) Następnie wykonałem obrót varimax na tych elementach. varimax7 <- varimax(prc$rotation[,1:7]) A teraz chcę varimax obrócić dane obrócone PCA (ponieważ nie jest to część obiektu varimax - tylko macierz obciążeń i macierz …
13 r  pca  factor-rotation 
2
Metody rotacji czynników (varimax, oblimin, itp.) - co oznaczają nazwy i co robią metody?
Analiza czynnikowa ma kilka metod rotacji, takich jak varimax, quartimax, equamax, promax, oblimin, itp. Nie jestem w stanie znaleźć żadnych informacji, które wiązałyby ich nazwy z ich faktycznymi działaniami matematycznymi lub statystycznymi. Dlaczego nazywa się to „equa-max” lub „quarti-max”? W jaki sposób osie lub macierze są obracane, aby miały taką …
2
Czy istnieje powód, by pozostawić rozwiązanie analizy czynników eksploracyjnych bez zmian?
Czy istnieją powody, by nie zmieniać rozwiązania analizy czynników eksploracyjnych? Łatwo jest znaleźć dyskusje porównujące rozwiązania ortogonalne z rozwiązaniami ukośnymi i myślę, że całkowicie rozumiem wszystkie te rzeczy. Ponadto, z tego, co udało mi się znaleźć w podręcznikach, autorzy zwykle przechodzą od wyjaśnienia metod szacowania analizy czynnikowej do wyjaśnienia, jak …
3
Obracaj komponenty PCA, aby wyrównać wariancję w każdym komponencie
Staram się zmniejszyć wymiarowość i hałas zestawu danych, wykonując PCA na zbiorze danych i wyrzucając kilka ostatnich komputerów. Następnie chcę użyć niektórych algorytmów uczenia maszynowego na pozostałych komputerach, dlatego chcę znormalizować dane, wyrównując wariancję komputerów, aby algorytmy działały lepiej. Jednym prostym sposobem jest po prostu znormalizowanie wariancji wartości jednostkowych. Jednak …
3
O zastosowaniu skośnego obrotu po PCA
Kilka pakietów statystycznych, takich jak SAS, SPSS i R, umożliwia wykonanie pewnego rodzaju rotacji czynników po PCA. Dlaczego rotacja jest konieczna po PCA? Dlaczego miałbyś stosować obrót skośny po PCA, skoro PCA ma na celu uzyskanie wymiarów ortogonalnych?
Korzystając z naszej strony potwierdzasz, że przeczytałeś(-aś) i rozumiesz nasze zasady używania plików cookie i zasady ochrony prywatności.
Licensed under cc by-sa 3.0 with attribution required.