computeScores(robustfa)
computeScores()所属R语言包:robustfa
Compute Factor Scores
计算因子得分
译者:生物统计家园网 机器人LoveR
描述----------Description----------
Compute factor scores on the result of factor analysis method, the method is one of "mle", "pca", and "pfa". Prediction is the factor scores.
因子分析法计算因子得分的结果,该方法是一个“极大似然估计”,“PCA”和“粉煤灰”。预测的因子得分。
用法----------Usage----------
computeScores(x, newdata, scoresMethod)
参数----------Arguments----------
参数:x
A list with components: correlation, loadings, and uniquenesses.
列表部分组成:相关性,载荷和独特性。
参数:newdata
A matrix on which to predict.
一个矩阵来预测。
参数:scoresMethod
Type of scores to produce, if any. The default is "none", "regression" gives Thompson's scores, "Bartlett" gives Bartlett's weighted least-squares scores.
分数类型,如果没有产生。默认值是"none","regression"给汤普森的成绩,"Bartlett"给巴特利特的加权最小二乘成绩。
Details
详细信息----------Details----------
x must be a list with components: correlation, loadings, and uniquenesses. Otherwise returns an error "x is not a list".
x必须是一个列表部分组成:相关性,载荷和独特性。否则返回一个错误“x是不是一个列表”。
值----------Value----------
A list with components:
组件列表:
参数:scoringCoef
The scoring coefficients.
计分系数。
参数:F
The matrix of scores.
分数的矩阵。
参数:meanF
The sample mean of the scores.
样本均值的分数。
参数:corF
The sample correlation matrix of the scores.
样本相关矩阵的分数。
scoringCoef=F=meanF=corF=NULL if scoresMethod = "none".
scoringCoef = F = meanF CORF = NULL如果scoresMethod = "none"。
(作者)----------Author(s)----------
Ying-Ying Zhang (Robert) <a href="mailto:robertzhang@cqu.edu.cn">robertzhang@cqu.edu.cn</a>
参考文献----------References----------
实例----------Examples----------
data(stock611)
data=scale(stock611[,3:12])
covx <- restimate(obj=CovControlOgk(), x=data) ## note the names: obj, x[#注意名称:OBJ,X]
covmat <- list(cov=getCov(covx), center=getCenter(covx), n.obs=covx@n.obs)
out=factanal(factors=3, covmat=covmat)
outComputeScores <- computeScores(out, newdata=scale(data), scoresMethod="regression"); outComputeScores
转载请注明:出自 生物统计家园网(http://www.biostatistic.net)。
注:
注1:为了方便大家学习,本文档为生物统计家园网机器人LoveR翻译而成,仅供个人R语言学习参考使用,生物统计家园保留版权。
注2:由于是机器人自动翻译,难免有不准确之处,使用时仔细对照中、英文内容进行反复理解,可以帮助R语言的学习。
注3:如遇到不准确之处,请在本贴的后面进行回帖,我们会逐渐进行修订。
|