Haupt Andere Hauptkomponentenanalyse oder Explorative Faktorenanalyse

Hauptkomponentenanalyse oder Explorative Faktorenanalyse

ODER Übersicht

Software

Beschreibung

Webseiten

Lesungen

Kurse

Überblick

Diese Liste baut auf der Arbeit auf den Seiten Hauptkomponentenanalyse (PCA) und Exploratory Factor Analysis (EFA) auf dieser Site auf. Diese Ressource soll als Leitfaden für Forscher dienen, die den Einsatz von PCA oder EFA als Datenreduktionstechnik in Betracht ziehen. Die nachfolgend aufgeführten Ressourcen sollen die bereits vorhandenen Ressourcen auf den technikspezifischen Webseiten ergänzen.

was ist ein politikwissenschaftlicher abschluss

Beschreibung

Theoretischer/statistischer Hintergrund und Vergleiche

Diese beiden Veröffentlichungen vergleichen die beiden Methoden und präsentieren gegensätzliche Ansichten darüber, ob EFA und PCA für denselben Datensatz verwendet werden sollten.

  • Hauptkomponentenanalyse vs. Explorative Faktorenanalyse. D. Suhr SAS Arbeitspapier 203-30: http : //www2.sas.com/proceedings/sugi30/203-30. pdf

    • Bestimmen Sie die geeignete statistische Analyse, um Forschungsfragen a priori zu beantworten… Es ist unangemessen, PCA und EFA mit Ihren Daten durchzuführen. PCA enthält korrelierte Variablen mit dem Ziel, die Anzahl der Variablen zu reduzieren und die gleiche Varianz mit weniger Variablen (Hauptkomponenten) zu erklären. EFA schätzt Faktoren, zugrundeliegende Konstrukte, die nicht direkt gemessen werden können.

  • Joliffe IT, Morgan BJ. Hauptkomponentenanalyse und explorative Faktorenanalyse. Statistische Methoden in der medizinischen Forschung 1992;1:69-95.​

    • Trotz ihrer unterschiedlichen Formulierungen und Zielsetzungen kann es aufschlussreich sein, die Ergebnisse beider Techniken auf demselben Datensatz zu betrachten. Jede Technik bietet unterschiedliche Einblicke in die Datenstruktur, wobei sich PCA auf die Erklärung der diagonalen Elemente und die Faktoranalyse der nichtdiagonalen Elemente der Kovarianzmatrix konzentriert, und beides kann nützlich sein.

  • Es gibt eine Reihe anderer Bücher und Ressourcen, die auf der Seite Advanced Epidemiology für jede Methode zitiert werden. Viele Ressourcen decken beide Techniken ab, vergleichen und kontrastieren die beiden jedoch nicht unbedingt. Die Online-Ressourcen am Ende dieses Handouts bieten einführendes Material und einen Vergleich der beiden Methoden.

  • Das übergeordnete Ziel dieses Leitfadens ist es, einem Forscher Ressourcen zur Verfügung zu stellen, um durch den Austausch von Literatur, die die Verwendung von PCA, EFA und anderen Datenreduktionstechniken verglichen hat, durch die Knotenpunkte des untenstehenden Entscheidungsbaums zu navigieren.

Lesungen

Methodische Artikel

Die folgenden Artikel sind Übersichten über die Verwendung von PCA, EFA und anderen Techniken zur Datenreduktion in der öffentlichen Gesundheit und in der Gesundheitsliteratur.

Dieses Papier ist eher theoretisch und gibt einen Überblick über die zugrunde liegende Theorie für PCA, EFA (und deren Verbindung) zusammen mit Strukturgleichungsmodellen und MIMIC unter Verwendung von Wohlstands- und Armutsindizes als Fallstudie.
Krishnakumar, Jaya und Nagar, A. L., On Exact Statistical Properties of Multidimensional Indices Based on Principal Components, Factor Analysis, MIMIC and Structural Equation Models (2008). Social Indicators Research, (2008) 86: 481-496.

Systematische Überprüfung von Klassifikationssystemen für schwere depressive Störungen und statistischen Methoden, die verwendet werden, um Symptomdimensionen oder latente Klassen zu identifizieren. Basierend auf 20 Artikeln mit 34 Analysen fanden die Autoren eine gleiche Anzahl von durchgeführten Faktorenanalysen und PCAs, oft mit den gleichen Skalen und Maßen oder an der gleichen Stichprobe.
van Loo HM, de Jonge P, Romeijn JW, Kessler RC, Schoevers RA. Datengetriebene Subtypen der Major Depression: eine systematische Überprüfung. BMC Med 2012;10:156.

In diesem Papier wurden 47 Studien mit PCA überprüft und Methoden sowie Herausforderungen und Fehler bei der Verwendung von PCA für zusammengesetzte Gesundheitsmaßnahmen verglichen. Das Papier schlägt vor, die Analyse über Stichproben hinweg zu wiederholen und komplementäre Methoden wie die Faktorenanalyse zu verwenden.
Quality of life research: eine internationale Zeitschrift für Lebensqualitätsaspekte von Behandlung, Pflege und Rehabilitation 2005;14:641-54.

Dieses Papier skizziert häufige Fehler und Fehler bei der EFA aus einer Überprüfung von 60 Studien in psychologischen Zeitschriften. Bietet nützliche Vorschläge für verbesserte Praktiken im Zusammenhang mit der Verwendung von EFA und der Berichterstattung in Zeitschriften.
Henson RK, Roberts JK. Verwendung der explorativen Faktorenanalyse in der veröffentlichten Forschung: Häufige Fehler und einige Kommentare zu verbesserter Praxis. Pädagogische und psychologische Messung 2006;66:393-416.

In diesem Artikel werden die Verwendung von EFA und wichtige Entscheidungen bei der Durchführung von EFA untersucht (Überprüfung von 28 Artikeln aus einflussreichen Pflegezeitschriften). Die Ergebnisse berichteten, dass PCA häufiger verwendet wurde als EFA (61 % vs. 39 %), obwohl kein Papier erklärte, warum PCA gegenüber EFA gewählt wurde. Das Papier skizziert praktische Empfehlungen für den Umgang mit fehlerhaften und veralteten Faustregeln für die Verwendung von PCA und EFA.
Gaskin CJ, Happell B. Zur explorativen Faktorenanalyse: Eine Überprüfung der jüngsten Evidenz, eine Bewertung der aktuellen Praxis und Empfehlungen für die zukünftige Verwendung. International Journal of Nursing Studies 2014;51:511-21.

Anwendungsartikel

PCA

Ernährungsepidemiologie Vergleich von Regression mit reduziertem Rang, partieller Regression der kleinsten Quadrate und PCA.

DiBello JR, Kraft P, McGarvey ST, Goldberg R, Campos H, Baylin A. Vergleich von 3 Methoden zur Identifizierung von Ernährungsmustern, die mit einem Krankheitsrisiko verbunden sind. American Journal of Epidemiology 2008;168:1433-43.​

Beispiel der Sozialepidemiologie. Die Autoren kamen zu dem Schluss, dass die Verwendung einer Variablen anstelle von PCA genauso gut sein könnte wie die Entwicklung von Hauptkomponenten.

Hurtado D, Kawachi I, Sudarsky J. Sozialkapital und Selbsteinschätzung der Gesundheit in Kolumbien: Das Gute, das Schlechte und das Hässliche. Sozialwissenschaften und Medizin 2011;72:584-90.​

Gebaute Umweltforschung und Entwicklung des Nachbarschaftsmangel-Index mit PCA.

Messer LC, Laraia BA, Kaufman JS et al. Die Entwicklung eines standardisierten Neighborhood Deprivation Index. Journal of Urban Health: Bulletin der New York Academy of Medicine 2006;83:1041-62.

EFA

Ernährungsepidemiologische Studie zu Ernährungsmustern und Assoziation mit Kehlkopfkrebs. Vergleich von Ernährungsmustern und ob sie eine bessere Erklärung von Determinanten im Vergleich zu einzelnen Komponenten von Ernährungsmustern ermöglichen.

De Stefani E, Boffetta P, Ronco AL, Deneo-Pellegrini H, Acosta G, Mendilaharsu M. Ernährungsmuster und das Risiko von Kehlkopfkrebs: eine explorative Faktorenanalyse bei uruguayischen Männern. Internationale Zeitschrift für Krebs Journal International du Cancer 2007;121:1086-91.

Ernährungsepidemiologische Studie zum Vergleich zweier Ernährungsmuster, die durch EFA (traditionelles Koch- und Obst- und Gemüsemuster) generiert wurden, mit einem hypothesengesteuerten Ernährungskonzept, um Hypertonie (DASH) zu stoppen. Beim Vergleich aller drei Muster wurden keine signifikanten Trends gefunden, obwohl Frauen in Q3 der DASH ein geringeres Risiko hatten als jene in Q1.

Schulze MB, Hoffmann K, Kroke A, Boeing H. Hypertonierisiko bei Frauen in der EPIC-Potsdam-Studie: Vergleich relativer Risikoschätzungen für explorative und hypothesenorientierte Ernährungsmuster. American Journal of Epidemiology 2003;158:365-73.

Sozialepidemiologisches Papier, das PCA und EFA synonym verwendet: Die Autoren schreiben, dass sie eine explorative Faktorenanalyse unter Verwendung der Hauptkomponentenanalyse durchgeführt haben. EFA ergab zwei Faktoren, die das wahrgenommene und umgesetzte sexuelle Stigma bei LBQ-Frauen widerspiegeln (basierend auf den Items einer sexuellen Stigma-Skala).

Logie CH, Earnshaw V. Anpassung und Validierung einer Skala zur Messung des sexuellen Stigmas bei lesbischen, bisexuellen und queeren Frauen. PloS eins 2015;10:e0116198.

Erstelltes Umweltpapier, in dem Umweltfaktoren zum Drogenmissbrauch untersucht werden, wobei 32 Variablen für Volkszählungsspuren verwendet werden. 4 Faktoren (die 55,8% der Varianz repräsentieren) wurden identifiziert. Die Autoren wiesen darauf hin, dass EFA politikrelevanter sein kann, indem sie dabei hilft, zwischen Einfluss/Beziehung von wirtschaftlichem Wohlergehen, Gewalt oder sozialer Desorganisation (3 der Faktoren) zu unterscheiden.

Bell DC, Carlson JW, Richard AJ. Die soziale Ökologie des Drogenkonsums: eine Faktorenanalyse einer städtischen Umwelt. Subst Use Misuse 1998;33:2201-17.

Kurse

Kurzer Kurs zu PCA und EFA von Jose Manuel Roche an der Oxford University Poverty and Human Development Initiative mit Vorlesungsvideo, Folien, Übungsdateien, Leseliste und Links zu anderen Ressourcen. Hier verfügbar: http : //www.ophi.org.uk/principal-components-analysis-and-factor-analysis-2010

Zwei Einführungslektionen zu PCA und EFA von Mike Clark, PhD an der University of North Texas und Elizabeth Root an der University of Colorado. Erklärt den Unterschied in der Varianz zwischen den beiden Methoden. Diese Vorlesungen enthalten auch eine nützliche Erklärung der Skalen der Faktorenanalyse sowie eine Anleitung dazu, welche Variablen in die Analyse einbezogen werden sollten:

http://www.unt.edu/rss/class/mike/6810/Principal%20Components%20Analysis.pdf und

http://www.colorado.edu/geography/class_homepages/geog_4023_s11/Lecture18_PCA.pdf

Eine Ressourcenseite zu EFA und PCA der Psychologieabteilung der University of Wisconsin: http://psych.wisc.edu/henriques/pca.html

5 Videos (2 Stunden) Einführung und Tutorial für EFA und PCA von der Econometrics Academy (von Ani Katakova). Interessanterweise führt das Beispiel EFA und PCA auf demselben Datensatz durch. https://www.youtube.com/playlist?list=PLRW9kMvtNZOjaStLK9ldf_Yc8MB6TkCUx

Weitere Ressourcen der Econometrics Academy finden Sie hier: https://sites.google.com/site/econometricsacademy/

wo Sie Ihre Sozialversicherungsnummer finden

Theoretischer Vortrag zur Hauptkomponentenanalyse aus Opinionated Lessons in Statistics von Bill Press, University of Texas. Hauptwarnung im Zusammenhang mit der Überinterpretation der Bedeutung von Komponenten https://www.youtube.com/watch?v=frWqIUpIxLg&index=43&list=PLUAHeOPjkJseXJKbuk9-hlOfZU9Wd6pS0

Ein schriftliches Tutorial zur Hauptkomponentenanalyse. Lindsay I Smith 26. Februar 2002. Abgerufen am 15. März 2015. Verfügbar unter https://courses.cs.washington.edu/courses/cse528/09sp/pca.pdf

Kurzes schriftliches Tutorial zur explorativen (und konfirmatorischen) Faktorenanalyse von Jamie Decoster an der University of Alabama. Überblick über die Faktorenanalyse. Abgerufen am 16. März 2005. Verfügbar unter: http://stat-help.com/factor.pdf

Interessante Artikel