Bayesovská exploratorní faktorová analýza
č.9(2017)
V článku se věnujeme srovnání klasické a bayesovské exploratorní faktorové analýzy. Použili jsme náhodně generovaná testovací data s různými velikostmi vzorku, strukturou faktorových nábojů, škálami odpovědí a velikostmi náhodné chyby. Provedli jsme oba druhy exploratorní faktorové analýzy a na základě srovnání výsledků a celkové zkušenosti z provedených analýz můžeme uzavřít, že u klasické a bayesovské exploratorní faktorové analýzy není rozdíl v přesnosti odhadu faktorových nábojů. Bayesovský přístup poskytuje více informací, které jsou intuitivněji interpretovatelné, ale na druhou stranu námi použitý model má i nevýhody, jako je nutnost ruční úpravy zdrojových kódů a časová náročnost výpočtů. Bayesovský přístup je tak podle nás vhodnější spíše pro konfirmatorní faktorovou analýzu.
exploratorní faktorová analýza; bayesovská statistika
Geweke, J., & Zhou, G. (1996). Measuring the pricing error of the arbitrage pricing theory. Review of Financial Studies, 9(2), 557–587.
Henson, R. K., & Roberts, J. K. (2006). Use of exploratory factor analysis in published research common errors and some comment on improved practice. Educational and Psychological measurement, 66(3), 393–416.
Kaiser, H. F. (1958). The varimax criterion for analytic rotation in factor analysis. Psychometrika, 23(3), 187–200.
Kruschke, J. (2014). Doing Bayesian data analysis: A tutorial with R, JAGS, and Stan. Academic Press.
Lee, S. Y. (2007). Structural equation modeling: A Bayesian approach. John Wiley & Sons.
Lockwood, J. R., Savitsky, T. D., & McCaffrey, D. F. (2015). Inferring constructs of effective teaching from classroom observations: An application of Bayesian exploratory factor analysis without restrictions. The Annals of Applied Statistics, 9(3), 1484–1509.
Lopes, H. F., & West, M. (2004). Bayesian model assessment in factor analysis. Statistica Sinica, 41–67.
R Core Team (2016). R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. https://www.R-project.org/.
Revelle, W. (2016). Psych: Procedures for Personality and Psychological Research. Northwestern University, Evanston, Illinois, USA. https://CRAN.R-project.org/package=psych.
Stan Development Team (2015). Stan: A C++ Library for Probability and Sampling, Version 2.10.0. http://mc-stan.org/.
