উত্তর:
আপনার এখানে বেশ কয়েকটি প্রশ্ন রয়েছে। আসুন পিসিএ এবং ফ্যাক্টর বিশ্লেষণ (এফএ) এর মধ্যে পার্থক্য দিয়ে শুরু করা যাক। পিসিএ আপনাকে আসল ভেরিয়েবলগুলি একটি নতুন সেটে রূপান্তরিত করে যা পারস্পরিক অরথোগোনাল। প্রথম নতুন উপাদানটি বৈকল্পিকতা সর্বাধিক করে। পিসিএ প্রশ্নের উত্তর দেয়, "আমার ভেরিয়েবলগুলির কোন লিনিয়ার সংমিশ্রণটি সবচেয়ে বেশি বৈকল্পিক? (ওজনকে সাধারণীকরণের সাপেক্ষে)"।
ভেরিয়েবলগুলি কীভাবে সম্পর্কিত এবং ডেটাতে কোথায় তারতম্য আসে সে সম্পর্কে মডেল দিয়ে এফএ শুরু হয়। এই মডেলটি বোঝায় যে সমবায়ু ম্যাট্রিক্সের একটি নির্দিষ্ট ফর্ম্যাট থাকবে। এখানে মূল ধারণাটি হ'ল সুপ্ত পরিবর্তনশীল (বা ফ্যাক্টর)। এই কারণগুলিকে নমুনায় পর্যবেক্ষণ করা আকর্ষণীয় ভিন্নতার জন্য বিবেচনা করা হয় এবং বিশ্লেষণগুলি সেগুলি পুনরুদ্ধার করার চেষ্টা করে। ফ্যাক্টর বিশ্লেষণ বিভিন্ন পদ্ধতি ব্যবহার করে করা যেতে পারে - এবং এর মধ্যে একটি সমাধানের পথে পিসিএ করার সাথে জড়িত। তবে এটা। এফএ করার জন্য আপনাকে আসলে পিসিএ করার দরকার নেই।
সবচেয়ে বিভ্রান্তিকরভাবে, এসপিএসএস তার পিসিএ রুটিনটি একই বিশ্লেষণ মেনু থেকে এক্সপ্লোরারি ফ্যাক্টর অ্যানালাইসিস হিসাবে উপস্থাপন করে, এভাবে নতুন পদ্ধতিগুলিতে এই পদ্ধতিগুলি একই বলে ভ্রান্ত ধারণাটি উত্সাহিত করে। তাদের পেছনের দর্শন একেবারেই আলাদা।
ভারিম্যাক্স এবং ওব্লিমিন। ফ্যাক্টর বিশ্লেষণটি আসলে প্রশ্নের উত্তর দেয়, "যদি আমার ডেটা, এর পি ভেরিয়েবলগুলি বলে, আসলে অ্যাক ডাইমেনশনাল স্পেস (কিউ <পি) এবং শব্দের সংযোজন থেকে আসে তবে সেই কি ডাইমেনশনাল স্পেসটি কী?" অনুশীলনে, অ্যালগরিদমগুলি আপনাকে কেবল কিউ ডাইমেনশনাল স্পেস দেয় না, তারা আপনাকে সেই জায়গার জন্যও একটি ভিত্তি দেয় (এগুলি কারণগুলি)। তবে সেই ভিত্তিতে কিউ ডাইমেনশনাল সাবস্পেসটি বোঝার সেরা উপায় নাও হতে পারে। ফ্যাক্টর রোটেশন পদ্ধতিগুলি উপ-স্থানটি সংরক্ষণ করে এবং এর জন্য আপনাকে আলাদা ভিত্তি দেয়। ভারিম্যাক্সগুলি অরথোগোনাল এমন উপাদানগুলি ফেরত দেয়; ওব্লিমিন কারণগুলি অরথোগোনাল না হওয়ার অনুমতি দেয়।
আদর্শভাবে, আমরা এমন কারণগুলি চাই যা মূল ভেরিয়েবলগুলিতে "সমস্ত বা কিছুই" লোড করে না ... যেমন "সমীক্ষার প্রশ্ন 1 - 5 এ সমস্তই কর্তৃত্বের মনোভাবের সাথে সম্পর্কিত; প্রশ্ন 6-10 সমস্তই ন্যায়বিচারের সাথে সম্পর্কিত" " আপনি গুণক সহগ বা বড় হতে চান 0 বা আবর্তনের পদ্ধতিগুলি এর জন্য লক্ষ্য করে। ধারণাটি হ'ল এমন বিষয়গুলি যা আপনাকে ব্যাখ্যা করা সহজ। ওলামিমিন একটি "আরও ভাল" কাজ করে, এটি প্রদত্ত যে ফলাফলগুলি অরথোগোনাল হতে বাধ্য করতে হবে না। অন্যদিকে, কারণগুলির পিছনে ধারণাটি ছিল যে তারা নমুনাটির পরিবর্তনের জন্য অ্যাকাউন্ট করে ... যদি উপাদানগুলি পরস্পর সম্পর্কযুক্ত হয় তবে কারণগুলির মধ্যে সম্পর্কের জন্য কী অ্যাকাউন্ট রয়েছে?
আমার কাছে, আমি মনে করি একটি অনুসন্ধানী এফএ চলাকালীন ভেরিম্যাক্সের সাথে পাওয়া ভাল। তারপরে নিশ্চিতকরণমূলক ফ্যাক্টর বিশ্লেষণের মধ্যে কারণগুলির মধ্যে সম্ভাব্য সম্পর্কগুলি অনুসন্ধান করুন, যা সেই ধরণের মডেলিংয়ের পক্ষে আরও উপযুক্ত।
মনে রাখবেন যে এসপিএসএস এ হিসাবে নিশ্চিতকরণকারী এফএ বা কাঠামোগত সমীকরণ মডেলিং করে না। এজন্য আপনাকে আমোস অ্যাড-অন কিনতে হবে। বিকল্পভাবে, আপনি আর তে sem () বা লভান () ফাংশন ব্যবহার করতে পারেন।