Stata: 探索性因素分析 (一)

寫了這麼多關於因素分析的文章 (詳見統計觀念整理) ,接下來當然就是在 Stata 上實作因素分析了。Stata  的 factor 指令就是作探索性因素分析,如果要作驗證性因素分析,Stata 沒有內建功能,要另外安裝 cfa 這個套件才行。

factor 這個指令提供幾種因素分析的方式,包括:pf, pcf, ipf, 與 ml。ML 的優點可參考探索性因素分析的設計與使用 (一)

pcf (principal-component factor) 通常使用在你想要儘可能地在一個 dimension 上解釋 items 的 variance如果你覺得這些 items 都是 load 在同一個因素上,那 pcf 是你應該使用的。相對地,pf (principal factor) 通常使用在你有兩個或以上的因素。

如果可以跑 ml,就試著跑 ml。我通常會先跑 ml,如果有 Heywood Cases 的話再跑 pf (這不是很好的建議,應該要先看看為什麼有 Heywood cases)。另外,我一開始通常不會限制因素的個數,先看看特徵值與 scree plot。

factor item1-item24, ml
factor item1-item24, pf

接下來就是要先看看特徵值 (eigenvalue) 與 scree test 來判斷因素個數了。

依我這個不漂亮的數據跑 pf 的結果,特徵值大於 1 的有兩個。

1.png

接著是用 scree plot 來檢驗,在指令列直接輸入 screeplot 即可。

2.png

上圖其實有點難解讀,如果是要看 deep drop 的話,我會說有兩個。如果是要看哪個因素之後趨於平坦,我可能會說有4個因素。

如果你要用 parallel analysis,得先安裝套件 fapara。

net describe fapara, from(http://www.ats.ucla.edu/stat/stata/ado/analysis)
net install fapara.pkg

跑完 factor analysis 之後,輸入下方指令:

fapara, reps(10)

結果會以圖型的方式表示。如果依下圖看來,是有六個因素的。

3.png

標籤: