Порядок коэффициентов различается между нагрузками и оценками (с вращением облимина), как это возможно?

Question

Я провожу исследовательский анализ факторов по ряду вопросов из опроса с пакетом factor_analyser на python. Результат показывает 8 факторов с четким набором переменных с самыми высокими нагрузками в каждом из факторов.

Чтобы правильно назвать факторы и подтвердить их правильность, я хотел проанализировать корреляцию между ответами на вопросы (с высокой нагрузкой на фактор) и оценкой коэффициента по всем респондентам.

Однако, когда я анализирую эти результаты, факторы меняются. Например, первый фактор, содержащий переменные с высокой нагрузкой в ​​вопросах «достижения», появляется в результатах оценки как второй фактор, имеющий высокую корреляцию с вопросами «достижения» для респондентов. Кроме того, переменные с высокой нагрузкой по первому фактору показывают наименьшую корреляцию с оценками этого фактора при анализе с помощью факторной оценки. Ниже приведен код:

fa = FactorAnalyzer(rotation = 'oblimin',
                   n_factors = 8)

fa.fit(test_data)
data_loadings = pd.DataFrame(fa.loadings_(test_data), index = test_data.columns)
data_transformed = pd.DataFrame(fa.transform(test_data), index = test_data.index)

Вот визуальный результат загрузки фактора и здесь визуальный результат матрицы корреляции. Где вы можете видеть (отсортированные) переменные с наибольшей загрузкой к фактору [0], которые отличаются от переменных с самой высокой корреляцией с фактором [0].

Кто-нибудь знает, как это возможно? Связано ли это с вращением или именованием с индексами?

Answer 1

Похоже, что это проблема с пакетом FactorAnalyzer.

Когда наклонное вращение изменило порядок дисперсии факторов, факторы переупорядочиваются, чтобы гарантировать, что первое имеет наибольшую дисперсию. Тем не менее, структурная матрица была назначена с использованием нагрузок до переупорядочения, что иногда приводит к тому, что эти порядки могут быть разными.

Это может вызвать много удивления для пользователя;если факторам дана интерпретация или имена, пользователь может быть озадачен тем, что полученные в результате оценки факторов вообще не соответствуют этой интерпретации и соотносятся с элементами, отличными от тех, которые имеют наиболее сильные нагрузки.

Я отправил запрос на получение , чтобы изменить это в пакете.