به کمک نیاز داری؟

گروه کسب و کار ساکوراد
فهرست
آموزش R

آموزش R | تحلیل عاملی اکتشافی و تحلیل مولفه های اصلی

تحلیل عاملی یک روش آماری چند متغیره برای دسته بندی و شناسایی ساختار های موجود در بین داده های تحقیق است که عمدتا اکثر بسته های آنالیز چند متغیره این آزمون را محاسبه می کنند. نرم افزار R با توجه به وجود بسته های متنوع دارای قابلیت های زیادی در برآورد و چرخش های متنوع می باشد.

اعضای شبکه مشاوران در حوزه «تحقیقات بازار، بازاریابی و فروش»

مشاور شغلی و توانمندسازی مهارت‌های مدیران

اگر بعنوان کارآفرین و یا فعال اقتصادی به دنبال موفقیت،...

مشاور امور بیمه و مشاور تولید محتوا

اگر به عنوان یک کارآفرین خانگی یا دیجیتال مارکتر در...

مشاور کارآفرینی و فروش

اگر بعنوان مدیر کسب و کار، به دنبال رونق و...

مشاور اینستاگرام مارکتینگ

اگر به دنبال افزایش دنبال کنندگان فعال در صفحه اینستاگرام...

مشاور دیجیتال مارکتینگ و فروش

اگر بدنبال افزایش فروش و توسعه سهم خود در بازارهای...

مشاور بازاریابی و فروش | مترجم انگلیسی، فرانسه و ترکی‌استانبولی

اگر بعنوان کارآفرین یا فعال اقتصادی به دنبال کسب برتری...

مشاور تحقیقات بازار، بازاریابی و فروش

اگر به دنبال برنامه‌ریزی و موفقیت در کسب و کارهای...

مشاور تحقیقات بازار، بازاریابی و فروش

اگر علاقمندید در تراز شرکتهای بزرگ و صاحب‌نام، بخش بازاریابی...

مشاور برندینگ و تحقیقات بازار

اگر به عنوان فعال اقتصادی/صاحب کسب و کار نیازمند تحلیل...

مشاور مسیریابی شغلی، کارآفرینی و استارتاپ

اگر به دنبال موفقیت در کارآفرینی و یا داشتن کسب...

مشاور SEO ،UI/UX و بازاریابی دیجیتال

اگر قصد دارید در دنیای دیجیتال فعالیت کرده و در...

مشاور کسب و کار و امور بیمه

اگر بعنوان فعال حوزه بیمه یا خدمات، دنبال تضمین موفقیت...

مشاور بازاریابی و فروش

اگر به دنبال برقراری ارتباط موثر و هدفمند با مخاطبان...

مشاور تولید محتوا | مترجم انگلیسی، فرانسه و اسپانیایی

اگر بعنوان فعال اقتصادی به دنبال تثبیت جایگاه و گسترش...

مشاور کارآفرینی، بازاریابی، سرمایه‌گذاری و مهاجرت در ترکیه | مترجم زبان ترکی استانبولی

اگر بدنبال مهاجرت، ثبت شرکت، فعالیت اقتصادی، سرمایه‌گذاری، توسعه کسب...

مشاور بازاریابی و آنلاین سازی کسب و کار

اگر بعنوان فعال اقتصادی، به دنبال رونق فروش و یا...

مشاور بازاریابی، فروش و مذاکرات تجاری

اگر بعنوان کارآفرین یا فعال اقتصادی به دنبال رشد کسب...

مشاور بازاریابی و فروش

اگر در فضای پررقابت کنونی بدنبال موفقیت تضمینی و داشتن...

در این مقاله قصد داریم از بسته های معروف موجود برای برآورد تحلیل مولفه های اصلی و تحلیل عاملی استفاده کنیم. بسته princomp تحلیل مولفه های اصلی یا PCA را به روش بدون چرخش ارائه می دهد. بدین منظور از داده آزمایشی موجود در بسته استفاده شده است. به منظور معرفی داده خود می توانید از دستورات ورود داده در خط اول به جای خط اول دستور موجود استفاده نمود تا پلات های مرتبط را مشاهده نمود.

fit <- princomp(mydata, cor=TRUE)
summary(fit)
loadings(fit)
plot(fit,type=”lines”)
fit$scores
biplot(fit)

برای مشاهده خروجی مبتنی بر روش های چرخش باید از دستور زیر استفاده نمود. این دستور مقادیر بار عاملی را برای هر یک از سوالات به تفکیک عامل های استخراج شده به دو صورت قبل و بعد از چرخش نشان می دهد.

library(psych)
fit <- principal(mydata, nfactors=5, rotate=”varimax”)
fit

به منظور چرخش می توان مقادیر را وارد نمود:

“None”, “varimax”, “quatimax”, “promax”, “oblimin”, “simplimax”, or “cluster” .

اگر هدف تحلیل عاملی اکتشافی به روش بیشینه درستنمایی باشد باید از دستور factanal( ) استفاده نمود.

fit <- factanal(mydata, 3, rotation=”varimax”)
print(fit, digits=2, cutoff=.3, sort=TRUE)
load <- fit$loadings[,1:2]
plot(load, type=”n”)
text(load, labels=names(mydata),cex=.7)

استفاده از دستورات زیر امکانات بیشتری را برای محاسبه تحلیل عاملی اکتشافی به کار گرفت. به جای چرخش “none”, “varimax”, “promax”, را می توان وارد نمود.

library(psych)
fit <- factor.pa(mydata, nfactors=3, rotation=”varimax”)
fit

کتابخانه nFactor به منظور تعداد عوامل تعیین شده برای چرخش به کار می رود.

library(nFactors)
ev <- eigen(cor(mydata))
ap <- parallel(subject=nrow(mydata),var=ncol(mydata),
rep=100,cent=.05)
nS <- nScree(ev$values, ap$eigen$qevpea)
plotnScree(nS)

مشکل اصلی به کار گیری تحلیل عاملی اکتشافی تعداد عوامل استخراج شده است که بر اساس این بسته می توان به روش های مختلف تعداد عوامل استخراج شده را مشخص نمود. اصلی ترین شاخص برای مشاهده تعداد عوامل شاخص کیسر است که از روی مقدار ویژه قضاوت می کند.

با وجود آنکه روش تحلیل عاملی یک روش کمی است لیکن امروزه توسعه قابل توجهی از آن روی متغیر های کیفی نیز مشاهده می شود که بسته FactoMineR به این منظور طراحی شده است.

library(FactoMineR)
result <- PCA(mydata)

در این مقاله هدف ارائه و معرفی توابعی بود که در تحلیل عاملی اکتشافی مورد استفاده قرار می گیرند. در مورد مباحث تحلیل عاملی اکتشافی کتاب آمار پیشرفته دکتر منصور فر از انتشارات دانشگاه تهران توصیه می شود.

https://succourad.com/?p=9950
پیشنهاد براساس سلیقه شما

سئوالات و نظرات ارزشمند خود را با ما مطرح کنید

دیدگاهتان را بنویسید