¿Qué valores propios a utilizar para un análisis factorial

? No es inmediatamente obvio que los valores propios para utilizar en un análisis factorial . Para comprender verdaderamente el proceso de selección de valores propios para el modelo resultante , primero debe comprender el significado de los valores propios de un análisis factorial . Este conocimiento , junto con un buen método de selección de valores propios , se traducirá en una buena elección de valores propios para su análisis. Propósito de la Selección de valores propios

La función eigenvalues ​​juegan en un factor de análisis es similar a la función que desempeñan en el análisis de componentes principales : permiten que usted sepa cuánta variación de cada factor o componente puede explicar . El objetivo en la selección de valores propios es incluir suficiente variación en el modelo que la solución final es válida , aunque no complicar su modelo con demasiados factores .
Scree Parcela en venta

El gráfico de sedimentación es un método gráfico para la selección de valores propios . Este enfoque, que fue desarrollado por Raymond Cattell en 1966, es un medio un tanto subjetivas de los factores de selección . El gráfico de sedimentación coloca los valores propios en el eje y, y los factores en el eje x . El usuario de este procedimiento se encuentra un " codo " en el gráfico de sedimentación , que es un punto después de lo cual todos los valores propios están alineados en una forma lineal . Los valores propios antes de este codo son las que el investigador debe utilizar en el análisis factorial . Regla Regla

de Kaiser
de Kaiser es una regla de toma de decisiones objetiva para la selección de los valores propios . Establece que todos los valores propios superiores a la unidad debe ser utilizado. Esta regla es intuitivamente satisfactorio en que cualquier factores asociados a los valores propios en virtud de la unidad contienen menos información que las variables originales que se utilizaron en el análisis factorial . Esta regla es tanto objetiva y fácil de usar . Procedimiento

Procedimiento de Horn
de Horn reconoce que los procesos de análisis factorial y el análisis de componentes principales explotarán la variación aleatoria en el datos . Esta capitalización en la variación al azar conduce a la primera autovalor de ser siempre mayor que la unidad , independientemente de si los datos en sí tiene ningún interesantes correlaciones entre las variables . Procedimiento de Horn aborda este problema mediante la comparación de los valores propios no a la unidad, sino a los valores propios de un análisis de componentes principales que utilizan , datos no correlacionados puramente aleatorios. Cada valor propio del análisis factorial se compara con el valor propio correspondiente para el análisis de componentes principales . Si el valor propio análisis de factores es más grande, que es elegido . De lo contrario , se descarta .