स्टटा फॉरेक्स में पुष्टिक कारक विश्लेषण कैसे चलाएं

सूचना: आईडीआरई सांख्यिकी परामर्श समूह वेबसाइट को वर्डप्रेस सीएमएस में फरवरी में माइग्रेट कर देगा ताकि नई सामग्री के रख-रखाव और सृजन की सुविधा मिल सके। हमारे कुछ पुराने पृष्ठों को हटा दिया जाएगा या संग्रहीत किया जाएगा ताकि वे अब बनाए रखा नहीं जा सकें। हम रीडायरेक्ट बनाए रखने का प्रयास करेंगे ताकि पुरानी यूआरएल हम जितनी अच्छी तरह काम कर सकें उतना काम जारी रहेगा। डिजिटल रिसर्च और एजुकेशन फॉर डिजिटल इंस्टीट्यूट फॉर स्टेट कंसल्टिंग ग्रुप को उपहार देने के लिए आपका स्वागत है स्ताटा एनाटेटेड आउटपुट फैक्टर विश्लेषण यह पेज आउटपुट समझा फ़ुटनोट के साथ एक उदाहरण कारक विश्लेषण दिखाता है। हम एसएमसी के साथ एक चलने वाले प्रमुख अक्ष (आईपीएफ विकल्प) कर देंगे क्योंकि प्रारंभिक सांप्रदायिकता तीन कारक (कारक (3) विकल्प को बनाए रखेगी) इसके बाद वैरिमैक्स और प्रोमैक्स रोटेशन। इन आंकड़ों को 1428 कॉलेज के छात्रों (1365 टिप्पणियों पर पूरा डेटा) पर एकत्र किया गया था और एक सर्वेक्षण पर वस्तुओं के जवाब दिए गए हैं। हम आइटम 13 में मद 24 के माध्यम से हमारे विश्लेषण में उपयोग करेंगे। ए। Eigenvalue: एक eigenvalue कारक के विचरण है। शुरुआती कारक समाधान में, सबसे पहले कारक सबसे अधिक भिन्नता के लिए खाता होगा, दूसरा विचलन के अगले उच्चतम राशि के लिए खाता होगा, और इसी तरह। कुछ ईगेंवल्यूज़ नकारात्मक हैं क्योंकि मैट्रिक्स पूर्ण रैंक की नहीं है, अर्थात यह 12 चर है, लेकिन कारक स्पेस की आयामीता बहुत कम है इसमें सबसे अधिक सात कारक संभव होते हैं ख। अंतर: वर्तमान और निम्नलिखित ईगेंवल्यू के बीच के मतभेद देता है। सी। अनुपात: विचरण का अनुपात कारक के लिए जिम्मेदार होता है। घ। संचयी: विचलन के संचयी अनुपात को इस कारक से और पिछले सभी वाले के लिए जिम्मेदार माना जाता है। ई। फैक्टर लोडिंग: इस ऑर्थोगोनल समाधान के लिए कारक लोडिंग दोनों का प्रतिनिधित्व करती है कि कैसे चर प्रत्येक कारक के लिए भारित हैं, लेकिन वेरिएबल्स और कारक के बीच के संबंध। च। विशिष्टता: कारकों से जुड़े चर के सामान्य विचरण का अनुपात नहीं देता है। विशिष्टता 1 के बराबर है - कम्युनिकेशन जी। घुमाए गए फैक्टर लोडिंग: वेरिमॅक्स ऑर्थोगोनल रोटेशन के लिए कारक लोडिंग दोनों का प्रतिनिधित्व करती है कि कैसे चर प्रत्येक पहलू के लिए भारित हैं, लेकिन वेरिएबल्स और कारक के बीच के संबंध। कॉलम के स्क्वेर्ड लोडिंग को अधिकतम करने के लिए एक वैरिमैक रोटेशन प्रयास करता है। एच। विशिष्टता: ई के रूप में समान मूल्य ऊपर क्योंकि यह अभी भी एक तीन कारक समाधान है। रिक्त विकल्प केवल एक विशेष मूल्य (0.3 कहते हैं) से ज्यादा कारक भार प्रदर्शित करता है। मैं। घुमाए गए फैक्टर लोडिंग: प्रोमॅक तिरछा रोटेशन के लिए कारक लोडिंग दर्शाती है कि कैसे प्रत्येक चर प्रत्येक कारक के लिए भारित होता है। नोट: इन चर और कारकों के बीच संबंध नहीं हैं प्रोमैक्स रोटेशन की वजह से कारकों को बेहतर अनुमानित सरल संरचना के प्रयास में सहसंबद्ध किया जा सकता है। मैं। विशिष्टता: ई के रूप में समान मूल्य और वह। ऊपर क्योंकि यह अभी भी एक तीन कारक समाधान है। एस्टाट कॉमन कमांड एक पोस्टस्टेमिशन कमांड है जो एक तिरछा रोटेशन के कारकों के बीच सहसंबंध प्रदर्शित करता है। इस वेब साइट की सामग्री को कैलिफ़ोर्निया यूनिवर्सिटी द्वारा किसी विशेष वेब साइट, किताब या सॉफ़्टवेयर उत्पाद के समर्थन के रूप में नहीं समझा जाना चाहिए। कॉन्फिफार्मैचर फैक्टर विश्लेषण कन्फर्मैरेन फैक्टर विश्लेषण (सीएफए) एक बहुभिन्नरूपी सांख्यिकीय प्रक्रिया है जिसका परीक्षण करने के लिए प्रयोग किया जाता है अच्छी तरह से मापा चर constructs की संख्या का प्रतिनिधित्व करते हैं। पुष्टि कारक विश्लेषण (सीएफए) और खोजी कारक विश्लेषण (ईएफए) समान तकनीक हैं, लेकिन खोजी कारक विश्लेषण (ईएफए) में, डेटा का केवल पता लगाया जाता है और डेटा का प्रतिनिधित्व करने के लिए आवश्यक कारकों की संख्या के बारे में जानकारी प्रदान करता है। खोजी कारक विश्लेषण में, सभी मापा चर हर गुप्त चर से संबंधित होते हैं। लेकिन पुष्टि कारक विश्लेषण (सीएफए) में, शोधकर्ता डेटा में आवश्यक कारकों की संख्या को निर्दिष्ट कर सकते हैं और जो मापा वैरिएबल से संबंधित है, जो अव्यक्त चर। पुष्टित्मक कारक विश्लेषण (सीएफए) एक उपकरण है जिसका उपयोग माप सिद्धांत की पुष्टि या अस्वीकार करने के लिए किया जाता है। सामान्य प्रयोजन - व्यक्तिगत निर्माण की परिभाषा प्रक्रिया: सबसे पहले, हमें व्यक्तिगत संरचनाओं को परिभाषित करना होगा। पहला कदम सैद्धांतिक रूप से निर्माण की परिभाषा को परिभाषित करता है इसमें निर्माण वस्तुओं का मूल्यांकन करने, और माप मॉडल का एक पुष्टि परीक्षण शामिल है जो पुष्टित्मक कारक विश्लेषण (सीएफए) आदि का उपयोग किया जाता है। समग्र माप मॉडल सिद्धांत का विकास करना: पुष्टित्मक कारक विश्लेषण (सीएफए) में, हमें उस पर विचार करना चाहिए निर्माण त्रुटि विचरण और निर्माण त्रुटि विचरण के बीच में unidimensionality की अवधारणा अनुसंधान में कम से कम चार निर्माण और तीन वस्तुओं का निर्माण होना चाहिए। अनुभवजन्य परिणामों का निर्माण करने के लिए एक अध्ययन तैयार करना: माप मॉडल निर्दिष्ट होना चाहिए। सबसे अधिक, एक लोडिंग अनुमान का मान एक प्रति निर्माण होना चाहिए। पहचान के लिए दो तरीके उपलब्ध हैं, पहले रैंक की स्थिति है, और दूसरी ऑर्डर की स्थिति है। मापन मॉडल वैधता का आकलन: माप मॉडल वैधता का मूल्यांकन तब होता है जब सैद्धांतिक माप मॉडल को वास्तविकता मॉडल के साथ तुलना में देखने के लिए डेटा कितनी अच्छी तरह फिट होता है। मापन मॉडल वैधता की जांच करने के लिए, सूचक की संख्या हमें मदद करती है उदाहरण के लिए, अव्यक्त चर को लोड करने का कारक 0.7 से अधिक होना चाहिए। ची-स्क्वायर टेस्ट और आरएमआर, जीएफआई, एनएफआई, आरएमएसईए, एसआईसी, बीआईसी, आदि जैसे फिट आंकड़ों की अन्य अच्छाई कुछ महत्वपूर्ण संकेतक हैं जो मॉडल वैधता को मापने में मदद करते हैं। मेरे 20 प्रश्न के साधन से सीएफ़ए उत्तर, पांच कारकों को स्पष्ट रूप से पहचाने जाने योग्य संरचनाएं हैं, जिन्हें 4 प्रश्नों से मापा जाता है जैसे वे शामिल होते हैं मेरा चार सर्वेक्षण प्रश्न एक कारक को सटीक रूप से मापते हैं एक सीएफए की मान्यताओं में बहुभुज सामान्यता, एक पर्याप्त नमूना आकार (एनजीटी 200), एक प्राथमिकता मॉडल विनिर्देश सही, और डेटा एक यादृच्छिक नमूने से आना चाहिए। सिद्धांत: कारण संबंधों का एक व्यवस्थित सेट जो एक घटना की व्यापक व्याख्या प्रदान करते हैं। मॉडल: निर्भर संबंधों का एक निश्चित समूह जिसे सिद्धांत का परीक्षण करने के लिए इस्तेमाल किया जा सकता है। पथ विश्लेषण: संरचनात्मक समीकरणों का परीक्षण करने के लिए उपयोग किया जाता है। पथ आरेख: सिद्धांत के कारण और प्रभाव संबंधों के चित्रमय प्रतिनिधित्व दर्शाता है। अंतर्जात चर: जिसके परिणामस्वरूप वेरिएबल जो एक कारण संबंध हैं। एक्सगोएंस वैरिएबल: प्रिकेटर चर पुष्टित्मक विश्लेषण: पूर्व-निर्दिष्ट रिश्ते का परीक्षण करने के लिए प्रयुक्त। क्रॉनबुक अल्फा: दो या अधिक निर्माण संकेतकों की विश्वसनीयता को मापने के लिए उपयोग किया जाता है। पहचान: अज्ञात गुणांक को हल करने के लिए पर्याप्त समीकरणों की जांच कर रहे हैं या नहीं। पहचान तीन प्रकार के हैं: (1) अंडर-पहचाने गए, (2) सटीक पहचान किए गए, और (3) अधिक पहचान वाली। फिट की भलाई: जिस डिग्री को मनाया गया इनपुट मैट्रिक्स अनुमानित मॉडल द्वारा अनुमानित किया गया है। अव्यक्त वैरिएबल: वेरिएबल जो अनुमान लगाए गए हैं, जिन्हें सीधे देखा नहीं जाता है, अन्य चर से देखा जाता है। पुष्टि कारक विश्लेषण (सीएफए) और सांख्यिकीय सॉफ्टवेयर: आम तौर पर, सांख्यिकीय सॉफ्टवेयर जैसे एएमओएस LISREL, EQS और एसएएस पुष्टि कारक विश्लेषण के लिए उपयोग किया जाता है। एएमओएस में, दृश्य पथ मैन्युअल रूप से ग्राफ़िक विंडो पर खींचा जाता है और विश्लेषण किया जाता है। LISREL में, पुष्टित्मक कारक विश्लेषण रेखांकन के साथ-साथ मेनू से भी किया जा सकता है। एसएएस में, प्रोग्रामिंग भाषाओं का उपयोग करके पुष्टित्मक कारक विश्लेषण किया जा सकता है। इस पृष्ठ को संदर्भित करने के लिए: सांख्यिकी समाधान (2013)। Confirmatory Factor विश्लेषण WWW दस्तावेज़। आँकड़ों से प्राप्त किया गया हैसैटालिंसैडैमिक-समाधान-स्रोत-डायरेक्टरी-ऑफ-सांख्यिकीय-एनालिज़सफिमानिटरी-फॅक्टर-विश्लेषण