17、主成分分析、公因子模型与结构方程建模

主成分分析、公因子模型与结构方程建模

主成分分析与公因子模型

在对相关数据进行分析时，我们可能会得到类似下面这样的结果：

[11,]         NA 0.5861508        NA
[12,]         NA 0.5607121        NA
[13,] -0.6842129        NA        NA
[14,] -0.4585589        NA        NA
[15,]         NA 0.3703143        NA
[16,]         NA 0.6040669        NA
[17,]         NA        NA        NA
[18,]         NA        NA        NA
[19,]         NA 0.3848953        NA
[20,] -0.5785879        NA        NA

基于这些结果，我们可以推测存在三个因子。第一个因子主要与大肌肉运动功能有关，第二个因子大多涉及精细运动功能，第三个因子则与家务管理相关。而与娱乐相关的两个项目（第 18 和 19 行）与这些因子均无关联。从因子相关矩阵可以看出，我们所认为的精细和大肌肉运动因子之间的相关性，要高于它们与家务管理因子的相关性。

使用 psych 包进行高级探索性因子分析（EFA）

在 R 语言中进行 EFA 时，为了得到较好的估计结果，通常需要进行多次迭代计算，直到满足某些表明达到最优解的标准。psych 包是一个非常出色的工具，它将我们之前的许多工作整合为便捷的命令。