পৃথক, সাধারণ প্রতিক্রিয়াগুলি থেকে ফ্যাক্টর স্কোর

Question

যখন আপনার কাছে অর্ডিনাল, ডিস্ট্রিট ভেরিয়েবল থাকে তখন ফ্যাক্টর স্কোরগুলি অনুমান করার কোনও নীতিগত উপায় রয়েছে?

আমার কাছে অর্ডিনাল, পৃথক, ভেরিয়েবল রয়েছে। যদি আমি এই অনুমান করি যে প্রতিটি প্রতিক্রিয়া অন্তর্নিহিত একটি অবিচ্ছিন্ন, সাধারণত বিতরণযোগ্য পরিবর্তনশীল, তবে আমি একটি পলিকরিক পারস্পরিক সম্পর্ক ম্যাট্রিক্স গণনা করতে পারি । আমি তখন এই ম্যাট্রিক্সের উপর একটি ফ্যাক্টর বিশ্লেষণ চালাতে পারি এবং প্রতিটি ভেরিয়েবলের জন্য ফ্যাক্টর লোডিংগুলি পেতে পারি।$n$$n\times n$

আমি কীভাবে ফ্যাক্টর স্কোরগুলি অনুমান করতে ফ্যাক্টর লোডিংগুলি এবং ভেরিয়েবলগুলি একত্রিত করতে পারি। স্কোরগুলি অনুমান করার জন্য সাধারণ উপায়গুলির মধ্যে এটির প্রয়োজন মনে হয় যে আমি অরডিনাল ডেটাগুলিকে অন্তর হিসাবে বিবেচনা করি।

আমি মনে করি কোনও লিঙ্ক ফাংশন বের করার জন্য আমার পলিকোরিক পারস্পরিক সম্পর্কের সাহসের আরও গভীর খনন করতে হবে।

Answer 1

'নীতিগত' পদ্ধতির (এটি প্রিরিওর ডিফেনসিবল অ্যাপ্রোচ যা বলা যায় যে বৌদ্ধিকভাবে অনেক বেশি তাত্পর্য সৃষ্টি করতে পারে না) হ'ল গ্রেডেড রেসপন্স মডেল ব্যবহার করা , আইআরটি পরিবারের একজন বরং দরকারী সদস্য যা প্রায়শই লিকার্ট আইটেমগুলির জন্য ব্যবহৃত হয়। আর প্যাকেজ এলটিএম এটি খুব সোজা করে তোলে।

তারপরে আপনি ধরে নিচ্ছেন যে আপনার অরক্ষিত বৈশিষ্ট্য এবং আপনার প্রতিটি সূচকের মধ্যে একটি সাধারণ লজিস্টিক রিগ্রেশন সম্পর্ক রয়েছে। এই মডেল বর্গ নির্বাচন করা আপনাকে সূচকের সাধারণ প্রকৃতির গুরুত্ব সহকারে নিতে দেয় এবং প্রতিটি আইটেমের বৈশিষ্ট্যের কোন অংশটি সবচেয়ে তথ্যবহুল সে সম্পর্কে তথ্য সরবরাহ করে। ফ্যাক্টর বিশ্লেষণের মতো এটি আপনাকে স্কোরের জন্য একটি স্ট্যান্ডার্ড ত্রুটি দেয়, যদিও এফএ লোকেরা কোনও কারণে এগুলি উপেক্ষা করে বলে মনে হয়।

অন্যদিকে, এই মডেল শ্রেণিটি চয়ন করা আপনার ক্লাসিক ফ্যাক্টর বিশ্লেষণ স্টাফের মতো ঘোরানোর মতো জিনিসগুলি করার ক্ষমতা সীমাবদ্ধ করে যতক্ষণ না আপনি এগুলির চেহারা পছন্দ করেন। আমি মনে করি এটি একটি প্লাস, তবে যুক্তিসঙ্গত লোকেরা এতে দ্বিমত পোষণ করেন। আপনার কতগুলি 'স্কেল' রয়েছে তা সন্ধান করার জন্য যদি আপনি এই ধরণের কাজটি করে থাকেন তবে এফএ 'অন্য মাত্রা ফিট করে এবং সাধারণ কাঠামোতে ঘোরাতে' জিতেছে বলে আপনি মোককেন পদ্ধতিগুলি দেখতে চান যেগুলি আঁশাগুলি সনাক্ত করার চেষ্টা করে কাজ হবে না।

Comments

+1 তবে জিআরএম আসলে একটি একক মাত্রা গ্রহণ করলে কোনও আবর্তন বিবেচনা করার যুক্তি কী হবে?

— chl

@ সিএইচএল চিন্তাভাবনাটি ছিল যে কিছু লোক ঘোরানো লোডিংয়ের ভিত্তিতে 'সূচকগুলি 1-4 পরিমাপ করে একটি জিনিস এবং সূচকগুলি 5-10 অন্য কোনও কিছু পরিমাপ করে' এর মতো কিছু বলতে সক্ষম হয় structure আইআরটি পদ্ধতির সাথে সম্পর্কিত তবে বেশ অভিন্ন চিন্তার মতো বিষয়গুলি বলা হবে: 'এই মোকেন পদ্ধতিটি আমাকে বলেছে যে স্কেল অন্তর্নিহিত সূচকগুলি 1-4 রয়েছে এবং অন্য একটি 5-11 এর নীচে রয়েছে তাই আমি প্রতিটিটিতে আমার গ্রেড রেসপন্স মডেলটি প্রয়োগ করব সাবসেট আলাদাভাবে '। আশা করি এটি আরও ভাল বোঝা যায়।

— কনজুগেটপায়ার

হ্যাঁ, সত্যিই। আপনার শেষ বাক্যটি থেকে আমি কী অতিরিক্ত করে দিয়েছি তা স্পষ্ট করার জন্য ধন্যবাদ। তবুও আমাদের প্রতিটি সুপ্ত বৈশিষ্ট্যকে সংযুক্ত করার কোনও উপায় নেই যদি এটি ঘটে তবে সেগুলি সত্যই পরস্পর সম্পর্কযুক্ত (এমআইআরটির দিকে না তাকানো)।

— chl

Answer 2

অর্ডিনাল-ভেরিয়েবল সূচকগুলি থেকে ফ্যাক্টর স্কোরগুলি বের করা সাধারণ বিষয়। পছন্দসই পদক্ষেপগুলি ব্যবহার করে গবেষকরা এটি সর্বদা করেন do যেহেতু ফ্যাক্টর স্কোরগুলি সামগ্রিকতার উপর ভিত্তি করে, এটি সাধারণত এত বড় চুক্তি নয় যে "অন্তরগুলি" আইটেমগুলির মধ্যে এবং এর বাইরে অভিন্ন নাও হতে পারে, বিশেষত যদি আইটেমগুলি তুলনীয় হয় এবং যুক্তিযুক্ত-সংক্ষিপ্ত আকারের স্কেল ব্যবহার করে (যেমন, 5 বা 7 পিটি "সম্মত হন) / মতামত "পছন্দসই আইটেমগুলি): সমস্ত বিষয় একই আইটেমগুলিতে সাড়া দিচ্ছে এবং আইটেমগুলি যদি কিছু সুপ্ত পরিবর্তনশীলের সত্যিকারের বৈধ ব্যবস্থা হয় তবে প্রতিক্রিয়াগুলি একটি সমান সমবায় নকশার প্রদর্শন করা উচিত। গর্সচ, আরএল (1983) দেখুন। ফ্যাক্টর বিশ্লেষণ. হিলসডেল, এনজে: লরেন্স এরলবাউম। 2nd। সংস্করণ।, পিপি। 119-20। তবে যদি আপনার জন্য প্রতিক্রিয়াগুলি ধরে নিতে বিরক্ত করে তবে সাধারণ ভেরিয়েবলগুলি লিনিয়ার - বা আরও গুরুত্বপূর্ণ, আপনি যদি ফ্যাক্টর স্কোরগুলি রৈখিক না হন তবে শ্রেণিবদ্ধ আইটেমগুলির মধ্যে পুনরাবৃত্ত অরৈখিক সমিতিগুলি প্রতিফলিত করেন (যেমন আপনি যখন চলকগুলি নামমাত্র বা গুণাগুণযুক্ত হতেন) - আপনার প্রচ্ছন্ন ফ্যাক্টর বিশ্লেষণের একটি ননলাইনীয় স্কেলিং বিকল্প ব্যবহার করা উচিত, যেমন সুপ্ত শ্রেণি বিশ্লেষণ বা আইটেম প্রতিক্রিয়া তত্ত্ব। (লগইট রিগ্রেশন মডেলগুলিতে অর্ডিনাল প্রেডিক্টর ব্যবহারের বিষয়ে এই ক্যোয়ারী এবং আপনার প্রশ্নের সাথে অবশ্যই একটি পারিবারিক সাদৃশ্য রয়েছে; সম্ভবত আমি আবার চি বা অন্য কাউকে অনুপ্রেরণা জানাতে পারি যা আমাদের চেয়ে আরও সূক্ষ্ম দান করা অ্যাকাউন্টে চিকিত্সা করতে আরও বেশি জানে আপনার কেন চিন্তা করার দরকার নেই - বা আপনার কেন উচিত হবে)) টি লিনিয়ার তবে শ্রেণিবদ্ধ আইটেমগুলির মধ্যে পুনরাবৃত্ত অরৈখিক সমিতিগুলি প্রতিফলিত করে (আপনার ভেরিয়েবল নামমাত্র বা গুণাগুণ থাকলে আপনি করতেন) - আপনার প্রচলিত ফ্যাক্টর বিশ্লেষণের একটি ননলাইনীয় স্কেলিং বিকল্প ব্যবহার করা উচিত, যেমন সুপ্ত শ্রেণীর বিশ্লেষণ বা আইটেম প্রতিক্রিয়া তত্ত্ব হিসাবে। (লগইট রিগ্রেশন মডেলগুলিতে অর্ডিনাল প্রেডিক্টর ব্যবহার সম্পর্কে এই ক্যোয়ারী এবং আপনার প্রশ্নের সাথে অবশ্যই একটি পারিবারিক সাদৃশ্য রয়েছে; সম্ভবত আমি আবার চি বা অন্য কাউকে অনুপ্রেরণা জানাতে পারি যা আমাদের চেয়ে আরও জরিমানা অ্যাকাউন্টে চিকিত্সা করতে আরও বেশি জানে আপনার কেন চিন্তা করার দরকার নেই - বা আপনার কেন উচিত হবে)) টি লিনিয়ার তবে শ্রেণিবদ্ধ আইটেমগুলির মধ্যে পুনরাবৃত্ত অরৈখিক সমিতিগুলি প্রতিফলিত করে (আপনার ভেরিয়েবল নামমাত্র বা গুণাগুণ থাকলে আপনি করতেন) - আপনার প্রচলিত ফ্যাক্টর বিশ্লেষণের একটি ননলাইনীয় স্কেলিং বিকল্প ব্যবহার করা উচিত, যেমন সুপ্ত শ্রেণীর বিশ্লেষণ বা আইটেম প্রতিক্রিয়া তত্ত্ব হিসাবে। (লগইট রিগ্রেশন মডেলগুলিতে অর্ডিনাল প্রেডিক্টর ব্যবহারের বিষয়ে এই ক্যোয়ারী এবং আপনার প্রশ্নের সাথে অবশ্যই একটি পারিবারিক সাদৃশ্য রয়েছে; সম্ভবত আমি আবার চি বা অন্য কাউকে অনুপ্রেরণা জানাতে পারি যা আমাদের চেয়ে আরও সূক্ষ্ম দান করা অ্যাকাউন্টে চিকিত্সা করতে আরও বেশি জানে আপনার কেন চিন্তা করার দরকার নেই - বা আপনার কেন উচিত হবে))

Answer 3

আমি কি এখানে কিছু স্পষ্ট করে বলতে পারি দয়া করে, প্রাক-প্রক্রিয়া করার জন্য এবং সংযুক্তকরণের (অন্তর, অর্ডিনাল, নামমাত্র) আপনার প্রয়োজনীয় বিভিন্ন স্কেলের আইটেমগুলি কী আছে বা আপনি কেবলমাত্র সাধারণ স্কেল ভেরিয়েবলগুলির জন্য একটি ফ্যাক্টর বিশ্লেষণ করতে চান?

যদি এটি পরবর্তী হয় - তবে এখানে একটি পদ্ধতির উপায়।

http://cran.r-project.org/web/packages/Zelig/vignettes/factor.ord.pdf

(দ্রষ্টব্য এই লিঙ্কটি এখন মারা গেছে) অন্যান্য ভিগনেট আপ আছে, তবে এটি এক নয়।

Comments

এখানে আসল আসল চিত্রটির একটি মিররড সংস্করণ দেওয়া আছে, যদি এটি সহায়তা করে: bit.ly/x6eI4x ।

— chl

কোডটি প্রয়োগ করা হবে বলে মনে হচ্ছে না

— fgregg