factor_analysis
Differences
This shows you the differences between two versions of the page.
Both sides previous revisionPrevious revisionNext revision | Previous revisionNext revisionBoth sides next revision | ||
factor_analysis [2018/12/05 12:27] – [Factor solution among many . . .] hkimscil | factor_analysis [2018/12/22 01:51] – hkimscil | ||
---|---|---|---|
Line 74: | Line 74: | ||
\end{equation} | \end{equation} | ||
- | 위 식 [1]에서 e는 error term을 말하고, F1, F2 는 각각 잠재적인 요인이다. finance, marketing, policy 점수는 F1과 F2의 기여로 만들어지는 점수이다. F1과 F2가 observation에 기초한 변인이 아니므로 데이터를 이용한 regression을 구하는 방법은 적당치 | + | 위 식 [1]에서 e는 error term을 말하고, F1, F2 는 각각 잠재적인 요인이다. finance, marketing, policy 점수는 F1과 F2의 기여로 만들어지는 점수이다. F1과 F2가 observation에 기초한 변인이 아니므로 데이터를 이용한 regression을 구하는 방법은 적당치 |
한편, $\beta_{ij}$ 는 표준화된 correlation coefficient 값을 말한다 (regression에서 beta값) -- factor analysis에서는 흔히 factor loading이라고 부른다. beta를 해석하는 방법과 마찬가지로 factor loading 값은 F1이나 F2의 인자가 finance (혹은 다른 변인 점수) 점수에 얼마나 기여하는지를 나타내 주는 지표라고 하겠다. | 한편, $\beta_{ij}$ 는 표준화된 correlation coefficient 값을 말한다 (regression에서 beta값) -- factor analysis에서는 흔히 factor loading이라고 부른다. beta를 해석하는 방법과 마찬가지로 factor loading 값은 F1이나 F2의 인자가 finance (혹은 다른 변인 점수) 점수에 얼마나 기여하는지를 나타내 주는 지표라고 하겠다. | ||
Line 298: | Line 298: | ||
> </ | > </ | ||
+ | |||
+ | |||
+ | < | ||
+ | > fd | ||
+ | finance marketing policy | ||
+ | 1 | ||
+ | 2 | ||
+ | 3 10 | ||
+ | 4 | ||
+ | 5 10 | ||
+ | |||
+ | 아래는 population variance, sd를 구하기 위한 function | ||
+ | < | ||
+ | + | ||
+ | + } | ||
+ | > psd <- function(x) { | ||
+ | + sqrt (sum((x - mean(x))**2) / length(x)) | ||
+ | + }</ | ||
+ | |||
+ | < | ||
+ | > tapply(fds$values, | ||
+ | finance marketing | ||
+ | 6.6 | ||
+ | > tapply(fds$values, | ||
+ | finance marketing | ||
+ | | ||
+ | > options(digits=5) | ||
+ | > tapply(fds$values, | ||
+ | finance marketing | ||
+ | | ||
+ | > | ||
+ | </ | ||
| Standardized \\ Variable, \\ Y< | | Standardized \\ Variable, \\ Y< |
factor_analysis.txt · Last modified: 2023/11/06 02:53 by hkimscil