Qu`est-ce que les valeurs propres à utiliser pour une analyse des facteurs?

Le jeu des valeurs propres de rôle dans une analyse des facteurs est similaire au rôle qu`ils jouent dans l`analyse en composantes principales: ils vous permettent de savoir combien la variation de chaque facteur ou le composant peut expliquer. L`objectif dans le choix des valeurs propres est d`inclure suffisamment de variations dans votre modèle que la solution finale est valable, sans surcharger votre modèle avec trop de facteurs.

Le terrain d`éboulis est une approche graphique pour la sélection des valeurs propres. Cette approche, qui a été développé par Raymond Cattell en 1966, est un moyen peu subjectives de sélection des facteurs. L`intrigue scree place les valeurs propres sur l`axe des ordonnées et les facteurs sur l`axe des x. L`utilisateur de cette procédure trouvera une "coude" dans la parcelle de pierrier, qui est un point après lequel toutes les valeurs propres sont alignés de façon linéaire. Les valeurs propres avant ce coude sont ceux que le chercheur doit utiliser dans l`analyse des facteurs.

Règle de Kaiser est une règle de prise de décision objective pour la sélection des valeurs propres. Il indique que toutes les valeurs propres dépassant l`unité doivent être utilisés. Cette règle est intuitivement satisfaisant en ce que tous les facteurs associés à des valeurs propres sous l`unité contiennent moins d`informations que les variables d`origine qui ont été utilisées dans l`analyse des facteurs. Cette règle est à la fois objective et facile à utiliser.

Procédure de Horn reconnaît que les processus d`analyse des facteurs et l`analyse des composantes principales vont exploiter la variation aléatoire dans les données. Cette capitalisation sur la variation aléatoire conduit à la première valeur propre étant toujours supérieure à l`unité, indépendamment du fait que les données lui-même a des corrélations intéressantes entre les variables. Procédure de Horn résout ce problème en comparant les valeurs propres non à l`unité, mais les valeurs propres d`une analyse en composantes principales qui utilisent, des données non corrélées purement aléatoires. Chacune des valeurs propres de l`analyse factorielle est comparée à la valeur propre correspondant pour l`analyse des composantes principales. Si l`analyse des facteurs de valeurs propres est plus grande, il est choisi. Dans le cas contraire, il est rejeté.