varimax
位于 stats
包(package)。 说明
这些函数‘rotate’在因子分析中加载矩阵。
用法
varimax(x, normalize = TRUE, eps = 1e-5)
promax(x, m = 4)
参数
x |
载荷矩阵,具有 行和 列 |
m |
该电源使用了 |
normalize |
合乎逻辑的。是否应该进行 Kaiser 标准化?如果是这样, |
eps |
停止容差:奇异值之和的相对变化。 |
细节
这些寻求因子x %*% T
的‘rotation’,旨在阐明载荷矩阵的结构。矩阵 T
是 varimax
的旋转(可能带有反射),但是 promax
的一般线性变换,并保留因子的方差。
值
包含组件的列表
loadings |
类 |
rotmat |
‘rotation’ 矩阵。 |
例子
## varimax with normalize = TRUE is the default
fa <- factanal( ~., 2, data = swiss)
varimax(loadings(fa), normalize = FALSE)
promax(loadings(fa))
参考
Hendrickson, A. E. and White, P. O. (1964). Promax: a quick method for rotation to orthogonal oblique structure. British Journal of Statistical Psychology, 17, 65-70. doi:10.1111/j.2044-8317.1964.tb00244.x.
Horst, P. (1965). Factor Analysis of Data Matrices. Holt, Rinehart and Winston. Chapter 10.
Kaiser, H. F. (1958). The varimax criterion for analytic rotation in factor analysis. Psychometrika, 23, 187-200. doi:10.1007/BF02289233.
Lawley, D. N. and Maxwell, A. E. (1971). Factor Analysis as a Statistical Method, second edition. Butterworths.
也可以看看
相关用法
- R var.test 比较两个方差的 F 检验
- R vcov 计算拟合模型对象的方差-协方差矩阵
- R stlmethods STL 对象的方法
- R medpolish 矩阵的中值波兰(稳健双向分解)
- R naprint 调整缺失值
- R summary.nls 总结非线性最小二乘模型拟合
- R summary.manova 多元方差分析的汇总方法
- R formula 模型公式
- R nls.control 控制 nls 中的迭代
- R aggregate 计算数据子集的汇总统计
- R deriv 简单表达式的符号和算法导数
- R kruskal.test Kruskal-Wallis 秩和检验
- R quade.test 四方测试
- R decompose 移动平均线的经典季节性分解
- R plot.stepfun 绘制阶跃函数
- R alias 查找模型中的别名(依赖项)
- R qqnorm 分位数-分位数图
- R eff.aovlist 多层方差分析的计算效率
- R pairwise.t.test 成对 t 检验
- R loglin 拟合对数线性模型
- R predict.smooth.spline 通过平滑样条拟合进行预测
- R bartlett.test 方差齐性的 Bartlett 检验
- R influence.measures 回归删除诊断
- R loess.control 设置黄土参数
- R Normal 正态分布
注:本文由纯净天空筛选整理自R-devel大神的英文原创作品 Rotation Methods for Factor Analysis。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。