Faktorelemzés és dimenziócsökkentés R-ben: A társadalomtudósok eszköztára

Eredeti címe:

Factor Analysis and Dimension Reduction in R: A Social Scientist's Toolkit

Könyv tartalma:

A Factor Analysis and Dimension Reduction in R számos dimenziócsökkentő eljárásról nyújt fedezetet, példákkal és az összehasonlításukhoz szükséges modellteljesítmény-mérőszámokkal együtt. A főkomponens-elemzés (PCA) vagy főkomponens-elemzés (PFA) formájában végzett faktorelemzés a legtöbb társadalomtudós számára ismerős. Kevésbé ismert azonban annak megértése, hogy a faktorelemzés a dimenziócsökkentési módszerek általánosabb statisztikai családjának egy alcsoportja.

A társadalomtudósok faktorelemzési problémákra vonatkozó eszköztára kibővíthető a könyvben bemutatott megoldások körével. Az FA és a PCA ortogonális és ferde rotációval történő lefedése mellett a könyvben megtalálhatóak a magasabb rendű faktormodellek, a bifaktoros modellek, a bináris és ordinális adatokon alapuló modellek, a vegyes adatokon alapuló modellek, az általánosított alacsony rangú modellek, a GLRM-mel végzett klaszterelemzés, a kiegészítő változókat vagy megfigyeléseket tartalmazó modellek, a Bayes-faktorelemzés, a regularizált faktorelemzés, az egydimenziós tesztelés és a faktorpontszámokkal történő előrejelzés. A könyv második fele a dimenziócsökkentés egyéb eljárásaival foglalkozik. Ezek közé tartozik a kernel PCA, a faktorelemzés többdimenziós skálázással, a lokálisan lineáris beágyazási modellek, a Laplacian saját térképek, a diffúziós térképek, az erőirányított módszerek, a t-eloszlású sztochasztikus szomszéd beágyazás, a független komponenselemzés (ICA), a dimenziócsökkentés regresszióval (DRR), a nemnegatív mátrix faktorizáció (NNMF), az Isomap, az Autoencoder, az egységes sokrétű közelítés és vetítés (UMAP) modellek, a neurális hálózati modellek és a longitudinális faktorelemzés modelljei. Ezenkívül egy külön fejezet foglalkozik a modellek teljesítményének összehasonlítására szolgáló mérőszámokkal.

A könyv jellemzői:

⬤ Számos kidolgozott példa megismételhető R-kóddal.

⬤ Kifejezett átfogó lefedettség az adatfeltevésekkel kapcsolatban.

⬤ Tényezőmódszerek adaptálása bináris, ordinális és kategorikus adatokhoz.

⬤ Reziduális és kiugró értékek elemzése.

⬤ A faktoreredmények vizualizációja.

⬤ A faktorelemzés neurális hálózatos és idősoros módszerekkel való integrációját tárgyaló záró fejezetek.

Az R-kóddal és az R és az RStudio bevezetésével színesben bemutatott könyv alkalmas lesz a társadalomtudósok számára szervezett egyetemi szintű és választható modulkurzusokon, valamint a kvantitatív módszerek és a többváltozós statisztika kurzusokon.