Differences

This shows you the differences between two versions of the page.

--- c:ma:factor_analysis_assignment [2021/11/16 07:22] – created hkimscil
+++ c:ma:factor_analysis_assignment [2022/12/06 12:23] (current) – hkimscil
@@ Line 30: / Line 30: @@
 Do the following tasks with your group members
   * Read the data file as "efa" into r
+<code> efa <- read.csv("http://commres.net/wiki/_media/efa.csv")
+</code>
   * examine the data set:
     * how many variables are there?
     * how many subjects (participants) are there?
+<code>
+# use str(), head() function
+</code>
   * Use the following code
     * ''%%?fa.parallel%%''
@@ Line 41: / Line 46: @@
     * print out the output and
     * determine the number of factors
+      * how many eigenvalues are greater than 1?
+<code>
+# 아래를 먼저 수행해서 패키지를 탑재한 후에 fa 분석을 해야 합니다
+library(psych)
+library(GPAroation)
+# 그 후에 something like the below
+fa.parallel(cor(efa), fm="minres", fa="fa", n.obs = nrow(efa))
+</code>
   * Use the following code
     * ''%%efa.fa.ini <- fa(efa)%%''
@@ Line 49: / Line 63: @@
       * communality를 출력하시오
       * communality는 이 output에서 무엇을 의미하는가?
+<code>
+# 수업시간에 아래 명령어를 출력해서 보면 efa.fa.ini 가 분석한 결과값이 컬럼별로 어떻게
+# 저장되어 있는지 볼 수 있다고 했습니다.
+names(efa.fa.ini)
+# 각 컬럼을 보기 위해서는 efa.fa.ini$n.obs와 같이 확인한다 했습니다
+</code>
   * Analyze the data with fa function.
     * ''%%efa.fa.3 <- fa(options~) %%''
     * Use the option
       * 3 factors
-      * rotate = oblimin
+      * rotate = varimax
       * fm = minres
+<code>
+# 다음을 이용하여 명령어를 완성하여 분석
+# efa.fa.3 <- fa(efa, nfactor = 3, . . . . )
+efa.fa.3 <- fa(efa, nfactors = 3, rotate = "varimax", fm="minres")
+</code>
     * print out the result
+<code>
+# print
+efa.fa.3
+</code>
     * examine the communality by comparing efa.fa.ini%%$%%communality
-      * temp <- data.frame(efa.fa.ini%%$%%communality, efa.fa.3%%$%%communality)
+<code>temp <- data.frame(efa.fa.ini$communality, efa.fa.3$communality) </code>
       * Are there any changes from the efa.fa.ini?
       * 이 값이 커졌다면 무엇을 의미하는가?
     * print(fa.sort(efa.fa.3%%$%%loadings), cutoff = 0.3)
+<code>
+print(fa.sort(efa.fa.3$loadings), cutoff = 0.3)
+</code>
       * 3개의 factor에 대한 정의 (무엇에 관한 것인지)를 내리시오
-  * 같은 옵션으로 4개의 factor를 추출하고 그 결과를 출력하시오
+----
+  * 이번에는 같은 옵션으로 4개의 factor를 추출하고 그 결과를 출력하시오
     * 각 factor에 대한 loading의 제곱의합값은?
     * 이 값의 모든 합은 전체 Y 분산 중 몇 %를 차지하는가?
     * 4개의 factor들을 설명하는데 기여분이 가장 많은 3개의 변인을 말하시오.
     * 4개의 factor들은 어떻게 설명되는지 factor에 기여하는 변인들을 중심으로 설명하시오.
-  * 같은 옵션으로 5개의 factor를 추출하고 그 결과를 출력하시오
+----
+  * 이번에는 같은 옵션으로 5개의 factor를 추출하고 그 결과를 출력하시오
     * 위의 4개추출과 같은 내용을 실시하시오.
+----
+  * 어떤 것이 설문결과를 가장 잘 요약한다고 생각하는가?