Er der en, der kan forklare mig, hvad forskellen er på orthogonal og oblique rotation i faktoranalyse?

Eller evt. henvise til et sted, hvor det står forklaret.
Det må bare helst ikke være Agresti og Finlay, da den bog slet ikke giver mening for mig.


Mvh.
Bazy

Obligue: The operation through which a simple structure is sought; factors are rotated without imposing the orthogonality condition and resulting terminal factors are in general correlated with each orher.

Orthogonal: the operation through which a simple structure is sought under the restriction that factors be orthogonal (or uncorrelated); factors obtained through this rotation are by definition uncorelated.

s. 178, Kim og Mueller: Introduction to Factor Analysis, Sage Uiversity Paper, 1978

Forresten en bog der varmt kan anbefales, og som kan købes billigt via PLAY.com. Også `Factor Analysis` fra samme forfattere og samme udgiver kan anbefales

Peter

Hej,

Alternativt - og gratis, tjek: http://www2.chass.ncsu.edu/garson/pa765/factor.htm. Her finder du en ret pædagogisk beskrivelse af rotation.

Siden kan i øvrigt varmt anbefales, hvis man lige vil læse op på stort set alle multivariate teknikker, der er relevante for socialvidenskaben.

vh Kristian

Gode forklaringer. Faktoranalyse bygger på ret restriktive forudsætninger. Den er rimeligt sikker, hvis variablene er intervalskalerede, og du på forhånd har hypoteser om målingernes afhængighed af de latente faktorer, og faktorernes indbyrdes forhold. I så dald kan du begrunde om faktorerne skal roteres.

Faktoranalyse benyttes som regel til at afprøve om en række empiriske målinger kan henvises til en fælles variabel. Det er der en procedure for i LISREL/AMOS, som så vidt jeg kan gennemskue det, bygger på mindre restriktive forudsætninger. Men målingerne skal stadig være intervalskalerede i LISREL, lige som i almindelig faktoranalyse.

Har du ikke intervalmålinger, ska du nok tale med en dygtig statistiker.

Tak. Nyttig opdatering. Søren Risbjerg Thomsen har omtalt polychoriske korrelationer, men GLLAMM er helt nyt for mig. Min reservation gik på den amindelige brug af faktoranalyse, som ser bort fra målingsproblemet. Det er lige netop hvad sociologisk forum skal bruges til. Tak igen.

Hej Sørland

Bare lige for at præcisere: Der er ingen tekniske forskelle på en "traditionel" faktoranalyse og en faktoranalyse baseret på polychoriske korrelationer. Faktoranalysen, dvs. "motoren" gør i begge tilfælde det samme; forskellen ligger i hvilken korrelationsmatrice du "fodrer" faktoranalysen med. Den traditionelle faktoranalyse behandler dine items som kontinuerte også selv om de er kategorielle. Det betyder at du antager kardinalitet og undervurderer variationen i data. De polychoriske korrelationer transformerer - under antagelse om latente normalfordelinger - dine kategorierelle variable til kontinuerte variable.

Naturligvis dur den strategi ikke for sande ikke-ordnede kategorielle variable som fx køn. Men, hvis man forstår den almindelige faktoranalyse kan man sagtens bruge modellen med polychoriske korrelationer. No problem. Det lyder meget mærkeligt at du skulle have fået negative eigenværdier. Tror det må have været et data- og ikke et modelproblem? Men herudover mener jeg som dig at man skal være forsigtig med at bruge fancy modeller hvor man ikke ved hvad der foregår!

Mvh.

Mads

Mange tak for et virkelig informativt svar, som flere kan have gavn af.
De negative eigenvalues er tilsyneladende ikke et dataproblem; der er flere på nettet som har kommenteret dem. Men om det er en programfejl, aner jeg ikke.
mvh

Hej,

Jeg vil blot lige knytte en kommentar til en af de anbefalede bøger i en af de første indlæg af Mads, da jeg har kværnet mig igennem den i den dejlige sol denne sommer. Herudover vil jeg give en kommentar til en ældre sag om faktoranalyse, nemlig B. Fruchters Introduction to Factor Analysis.

[b]Paul Kline (1994): An easy guide to factor analysis[/b]
Bogen virker uptodate og introducerer faktoranalyse på en meget enkel måde. Fordelen er helt klart enkeltheden samt de mange gentagelser. Dog er den irriterende på flere måder. For det første virker den somme tider lidt rodet (pga. gentagelser og unødige opsummeringer). For det andet er den matematiske notation ret speciel. Personligt blev jeg i hvert fald irriteret over den. Standardnotationer er smit ud af vinduet til fordel for simplificerede betegnelser). Herudover nævnes særlige faktormetoder ofte (fx med likelihood estimation) uden, at selve indholdet i metoden beskrives. Alt i alt er det altså smag og behag, om en sådan bog er noget ved. Stringensen mangler, men guiden er virkelig "easy" på den gode måde. Og man læser den virkelig hurtigt.

[b]B. Fruchter (1954): Introduction to Factor Analysis[/b]
Da bogen er en ældre sag, er den ikke helt uptodate. Dvs. man får ikke alle de nyeste landvindinger inden for faktoranalyseområdet. Imidlertid får man et genuint indblik i, hvordan faktoranalysen konciperes (helt tilbage fra Spearman`s g-faktorteori). Især den matematiske islæt er skidegodt. Notationen følger "standarden", men med denne følger også gode forklaringer. Det er af noget af det, man savner i Paul Klines introduktion. Herudover er der en udmærket introduktion til matrix algebra og (måske endnu vigtigere) matrix geometri. Ulempen ved bogen er selvfølgelig, at de er lidt tung at læse (pga. matematikken). Herudover er nogle af navnene på faktormetoderne ikke de samme som i dag (så vidt jeg kan forstå), hvilket kan være lidt forstyrrende (især fordi jeg havde læst Klines bog først).

Nå. Det var bare lige kommentarer til to litteraturforslag. Jeg vil prøve at se, om jeg når at æde mig igennem Peters forslag, Kim og Mueller: Introduction to Factor Analysis. Den ligger vist og venter på biblioteket...

vh Kristian