使用 factor_analyzer 解释验证性因素分析中的因素负荷

Question

我使用 factor_analyzer 包中的 ConfirmatoryFactorAnalyzer 进行了因子分析。据我了解SEM，因子载荷应该是潜变量和测量变量的皮尔逊系数，但其中一个等于-1.17，所以它不能是相关系数。

对于这个包裹，它还有其他含义吗？我应该以某种方式对其进行标准化（但我的数据已标准化）吗？文档并没有真正帮助：

loadings_: The factor loadings matrix.

这是我的代码：

def sem_analysis(data, group1, group2):
    scaler = StandardScaler()
    scaled_data = pd.DataFrame(scaler.fit_transform(data), columns=data.columns)
    required_data = scaled_data[group1 + group2]
    model_dict = {"F1": group1, "F2": group2}
    model_spec = ModelSpecificationParser.parse_model_specification_from_dict(required_data, model_dict)
    cfa = ConfirmatoryFactorAnalyzer(model_spec, disp=False)
    cfa.fit(required_data.values)
    return cfa.loadings_

我在随机生成的数据上得到的结果：

[[ 0.81664434  0.        ]
 [ 0.76591388  0.        ]
 [-0.84197706  0.        ]
 [ 0.         -0.27572329]
 [ 0.         -1.17491134]
 [ 0.          0.39020765]]

Answer 1

我有过一次这个问题，这是我发现的：

SEM 的一位杰出先驱关于它的报告中的这段话几乎概括了它：

“这种误解可能源于经典的探索性因子分析，如果分析相关矩阵并且因子是标准化且不相关的（正交的），则因子载荷是相关的。但是，如果因子是相关的（倾斜的），则因子载荷是回归系数而不是相关性，因此它们的幅度可能大于 1。"

因子载荷的绝对值可以大于1（详情请阅读：https://stats.stackexchange.com/questions/266304/in-factor-analysis-or-in-pca-what-does-it-mean-a-factor-loading-greater-than）

你可以在这篇文档中了解 EFA、CFA https://arxiv.org/abs/1905.05598

使用 factor_analyzer 解释验证性因素分析中的因素负荷

Interpretation of factor loadings in Confirmatory Factor Analysis using factor_analyzer

python

statistics

data-analysis

data-science