R語法
讀進資料
lab <- read.csv(file=”data1.csv”,header=TRUE, sep=”,”)
dim(lab)
my <- read.csv(file=”data3.csv”,header=TRUE, sep=”,”)
colnames(my) <- lab[,1]
summary(my)
敘述統計量
dim(my)
多少受試者與多少變項
head(my,20)
str(my)
a <- my[ , c(2:31)]
可以在EXCEL去除編號、性別與教育程度
從原始my data取問卷量表的部分出來
dim(a)
summary(a)
a_nomiss <- na.omit(a) # listwise deletion
head(a_nomiss,20)
delete missing data, listwise deletion
dim(a_nomiss);summary(a_nomiss)
factor analysis : EFA
library(psych)
windows()
fa.parallel(a_nomiss,fa=”fa”,fm=”ml”)
numbers of factor
parallel analysis
fa= facor axis extract主軸萃取 ml=最大概似估計
library(GPArotation)
轉軸用
print.psych(fa(a_nomiss, nfactors=5,rotate=”promax”,SMC=TRUE,fm=”pa”),cut=.3)
print.psych(fa(a_nomiss[ ,c(1:4,6:13,16:30)], nfactors=5,rotate=”promax”,SMC=TRUE,fm=”pa”),cut=.3)
alpha( a_nomiss[ ,c(1:4,6,7)])
alpha( a_nomiss[ ,c(8:12)])
alpha( a_nomiss[ ,c(13:19)])
alpha( a_nomiss[ ,c(20:25)])
alpha( a_nomiss[ ,c(26:30)])
alpha( a_nomiss)
windows()
omega(a_nomiss[ ,c(1:4,6:13,16:30)],nfactors=5)
factor score