@Ryan羅薩里奧
我終於想通了:
install.packages("psych")
library("psych")
我跑的樣本步驟
my.VSS <- VSS(test.data,title="VSS of 24 mental tests")
和
VSS(sim.circ(nvar=24),fm="mle", title="VSS of 24 circumplex variables")
和
VSS(sim.item(nvar=24),fm="mle", title="VSS of 24 circumplex variables")
你得到這樣的事情作爲輸出(最後輸入):VSS的24個circumplex變量 呼叫的
結構非常簡單:VSS(X = sim.item(NVAR = 24),FM = 「MLE」,標題= 「24個circumplex變量的VSS」) VSS複雜1實現了與0.84 3 因素maximimum VSS複雜2實現的0.87 maximimum與8因素
的Velicer MAP標準實現了最小的0.05與2因素
Velicer MAP 1 0.05 0.01 0.01 0.01 0.01 0.02 0.02 0.02
非常簡單的結構複雜性1 1 0.44 0.84 0.84 0.80 0.75 0.76 0.80 0.80
非常簡單的結構複雜性2 1 0.00 0.85 0.85 0.85 0.86 0.86 0.86 0.87
作爲documentation says(上述突出是礦):
「韋恩Velicer的MAP標準已被 作爲附加試驗 部件的最佳數目以 提取物。需要注意的是VSS和MAP將 並不總是同意,以最佳 數量。」
在這種情況下VSS爲1和2的複雜性,同時Velicer的MAP準則給出了2分別給出了3度8的因素答案。
感謝您的支持! :) – pageman 2018-01-02 14:07:29