तथ्यात्मक का उपयोग करते हुए एक कारक विश्लेषण करते समय सामान्य परिणाम कुछ लोडिंग टेबल और कई अन्य जानकारी होती है। कारकों के मैट्रिक्स/डेटा.फ्रेम बनाने के लिए इन लोडिंग का उपयोग करने का कोई सीधा तरीका है? उदाहरण के लिए बाद में उन्हें रिग्रेशन विश्लेषण में उपयोग करने के लिए।फैक्टनलल से कारक कैसे बनाएं?
संपादित करें: इसका उद्देश्य बाद में मॉडलिंग के लिए वेरिएबल प्राप्त किया जा सके। मैं केवल कारक स्कोर के बारे में पता है - लेकिन सुझाव/अन्य शब्दावली की ओर इशारा स्वागत है :)
EDIT2: जोरिस Meys जवाब इस सवाल का जवाब मूल रूप से मैं क्या के लिए पूछ रहा था। फिर भी यह मेरे प्रश्न को एक दिशा की दिशा में ले जाता है जो कि फसह के प्रवाह के लिए बेहतर हो सकता है, लेकिन मैं इसे अभी यहां रखूंगा, क्योंकि लोगों का सही समूह समाधान पर चर्चा कर रहा है:
रिग्रेशन का क्या फायदा है आधारित स्कोर? उत्पाद का परिणाम (एमएल) कारकों से अत्यधिक सहसंबंधित है ... ईमानदारी से मुझे आश्चर्य है कि मेरे मामले में अंतर इतना बड़ा क्यों है?
fa$scores # the correct solution
fac <- m1 %*% loadings(fa) # the answer on your question
diag(cor(fac,fa$scores))
#returns:
Factor1 Factor2 Factor3
0.8309343 0.8272019 0.8070837
हाँ, यही वह है जो मैंने पूछा था। प्रतिगमन द्वारा बनाए गए इन स्कोरों का एकमात्र लाभ मानकीकृत कर रहा है? एमएल मैट्रिक्स की गणना करना अत्यधिक अत्यधिक सहसंबंधित चर प्रदान करता है (मेरे प्रश्न का संपादन देखें)। –
@ ran2: नहीं, इन स्कोरों के पीछे थोड़ा और गणित है, जिसे वास्तविकता की सहायता फ़ाइल में स्पष्ट रूप से समझाया गया है। इस पेपर में एक और विस्तृत अवलोकन देखा जा सकता है: http://www.psy.ed.ac.uk/people/iand/Bartholomew%20%282009%29%20Br%20J%20Math%20Stat%20Psychol%20factor%20scores % 20 थॉमसन% 20 स्पीरमैन% 20 Bartlett.pdf –
एसीसी। पाठ के लिए Thx, आदमी! –