O que tudo isso significa? Sou uma análise fatorial 'noob' e, embora tenha lido um livro, aparentemente não me contou tudo.
Como a estatística do quadrado do qui é tão alta e o valor de p tão baixo, parece que os dados estão perto de serem coplanares (2 dimensões) dentro do espaço 6-dimensional. No entanto, isso representa apenas 89,4% da variação (estou interpretando esse direito?)
Além disso, eu pensei que os fatores eram ortogonais entre si, então como os dois fatores podem ter cargas positivas para cada variável?
E o que significam as singularidades?
> factanal(charges[3:8],2)
Call:
factanal(x = charges[3:8], factors = 2)
Uniquenesses:
APT CHELPG Natural AIM Hirshfeld VDD
0.217 0.250 0.082 0.052 0.005 0.033
Loadings:
Factor1 Factor2
APT 0.609 0.642
CHELPG 0.657 0.564
Natural 0.571 0.769
AIM 0.382 0.896
Hirshfeld 0.910 0.408
VDD 0.844 0.504
Factor1 Factor2
SS loadings 2.817 2.544
Proportion Var 0.470 0.424
Cumulative Var 0.470 0.894
Test of the hypothesis that 2 factors are sufficient.
The chi square statistic is 77.1 on 4 degrees of freedom.
The p-value is 7.15e-16
>
r
factor-analysis
David Shobe
fonte
fonte
Respostas:
A estatística do qui-quadrado e o valor p no factanal estão testando a hipótese de que o modelo se ajusta perfeitamente aos dados. Quando o valor de p é baixo, como é aqui, podemos rejeitar esta hipótese - portanto, neste caso, o modelo de 2 fatores não se ajusta perfeitamente aos dados (isso é o oposto de como você está interpretando a saída).
Vale a pena notar que 89,4% da variação explicada por dois fatores é muito alta, por isso não sei por que o 'único'.
Os fatores em si são não correlacionados (ortogonais), mas isso não significa que as medidas individuais não possam se correlacionar com os dois fatores. Pense nas direções Norte e Leste em uma bússola - elas não estão correlacionadas, mas o Nordeste 'carregaria' ambas positivamente.
As exclusões são a variação em cada item que não é explicada pelos dois fatores.
Esse link pode ser útil para sua interpretação.
fonte