AVISO: O grupo de consultoria estatística IDRE estará migrando o site para o WordPress CMS em fevereiro para facilitar a manutenção e criação de novos conteúdos. Algumas de nossas páginas antigas serão removidas ou arquivadas de modo que elas não serão mais mantidas. Vamos tentar manter os redirecionamentos para que os URLs antigos continuem a funcionar da melhor maneira possível. Bem-vindo ao Instituto de Pesquisa e Educação Digital Ajudar o Grupo de Consultoria Estatal dando um presente Stata FAQ Como posso realizar uma análise fatorial com variáveis categóricas (ou categóricas e contínuas) Métodos padrão de análise fatorial (ou seja, baseados em uma matriz de Correlações Pearsons) assumem que as variáveis são contínuas e seguem uma distribuição normal multivariada. Se o modelo inclui variáveis que são dicotômicas ou ordinais, uma análise fatorial pode ser realizada usando uma matriz de correlação policaróica. Em Stata podemos gerar uma matriz de correlações policaróicas usando o comando policarralizado escrito pelo usuário. Você pode encontrar e instalar o comando polychoric digitando findit polychoric na janela de comando Stata e seguindo as instruções na tela. Para obter mais informações sobre como localizar e instalar comandos escritos pelo usuário, consulte nossas Perguntas frequentes: Como eu uso findit para pesquisar programas e ajuda adicional. Observe que as variáveis usadas com policarral podem ser binárias (01), ordinais ou contínuas, mas não podem ser nominais (categorias não ordenadas). Observe também que as correlações na matriz produzida pelo comando policarico não são todas correlações policortricas. Quando ambas as variáveis possuem 10 ou menos valores observados, uma correlação policarólica é calculada, quando apenas uma das variáveis assume 10 ou menos valores (ou seja, uma variável é contínua e outra categórica) é calculada uma correlação polyserial e se ambas as variáveis tomam Em mais de 10 valores, uma correlação Pearsons é calculada. Uma vez que temos uma matriz de correlação policírica, podemos usar o comando factormat para realizar uma análise de fatores exploratórios usando a matriz como entrada, e não como variáveis brutas. O conjunto de dados para este exemplo inclui dados em 1428 estudantes universitários e seus instrutores. O exemplo de análise inclui variáveis dicotômicas, incluindo sexo do corpo docente (facsex) e nacionalidade do corpo docente (cidadão dos EUA ou cidadão estrangeiro, facnat) variáveis categóricas ordenadas, incluindo classificação de faculdade (facrank), classificação do aluno (studrank) e grau (A, B, C, Etc.) e as variáveis contínuas do salário da faculdade (salário), anos de ensino na Universidade do Texas (ano) e número de alunos na turma (nstud) nesta análise. Essas variáveis foram selecionadas para representar uma gama de tipos de variáveis (ou seja, dicotômicas, ordenadas categóricas e contínuas) e não formam necessariamente fatores substancialmente significativos. Abaixo, abrimos o conjunto de dados e geramos a matriz de correlação policorica para as oito variáveis em nossa análise. Você pode notar que o comando policíclico corre um pouco mais lentamente do que Statas correlacionar e comandos de pwcorr, isso é normal. O comando polychoric não exibe o número de casos (com eliminação de lista) usado para gerar a matriz, mas armazena n in r (sumw) para que possamos usar o comando de exibição para visualizá-lo. Em seguida, usamos o comando matricial para armazenar a matriz de correlação policristalina (salva em r (R) pelo comando policarral) como r. Para que possamos usá-lo com o comando factormat. O comando factormat é seguido pelo nome da matriz que desejamos usar para a análise (ou seja, r). O quotoptionquot n (.) Dá o tamanho da amostra e é necessário. Utilizamos a opção de fatores (.) Para indicar que desejamos reter três fatores. A saída de análise de fatores acima pode ser interpretada de forma semelhante a um modelo de análise de fator padrão, incluindo o uso de métodos de rotação para aumentar a interpretabilidade. NOTICE: O grupo de consultoria IDRE Statistical estará migrando o site para o WordPress CMS em fevereiro para facilitar a manutenção E criação de novos conteúdos. Algumas de nossas páginas antigas serão removidas ou arquivadas de modo que elas não serão mais mantidas. Vamos tentar manter os redirecionamentos para que os URLs antigos continuem a funcionar da melhor maneira possível. Bem-vindo ao Instituto de Pesquisa e Educação Digital Ajudar o Grupo de Consultoria Estatal dando um presente Stata FAQ Como posso fazer CFA com variáveis binárias Digamos que você tenha um conjunto de dados com um monte de variáveis binárias. Além disso, você acredita que essas variáveis binárias refletem variáveis contínuas subjacentes e não observadas. Você não quer calcular sua análise de fator de confirmação (CFA) diretamente nas variáveis binárias. Você quer calcular o CFA em correlações tetracórficas que refletem as associações entre essas variáveis contínuas subjacentes. Vamos demonstrar isso usando dados com cinco variáveis contínuas e criando variáveis binárias deles dicotomizando-as em um ponto um pouco acima de seus valores médios. Comecemos por carregar o conjunto de dados hsbdemo. dta e criando variáveis binárias para leitura. Escreva . Matemática. Ciência e socst. Agora que temos as variáveis binárias, podemos verificar as correlações entre a versão contínua das variáveis e a versão binária. Como você pode ver, as correlações entre a versão binária das variáveis são muito menores que entre a versão contínua. As correlações de Pearson tendem a subestimar a relação entre as variáveis contínuas subjacentes que dão origem às variáveis binárias. O que precisamos são as correlações tetracórdicas que podemos obter usando o comando tetracórtrico. As correlações tetracórdicas estão muito mais próximas das correlações originais entre as variáveis contínuas do que as correlações entre os valores binários. Para fins de comparação, calcularemos um CFA nos dados contínuos originais. Em seguida, vamos criar o conjunto de dados SSD e calcular o CFA nas correlações tetracórdicas. Você notará que o modelo se encaixa versus um modelo saturado é muito próximo do valor que foi obtido ao executar o CFA nas variáveis contínuas. O conteúdo deste site não deve ser interpretado como um endosso de qualquer site, livro ou produto de software específico da Universidade da Califórnia.
No comments:
Post a Comment