Factor Analysis and Dimension Reduction in R: A Social Scientist's Toolkit
Factor Analysis and Dimension Reduction in R fournit une couverture, avec des exemples travaillés, d'un grand nombre de procédures de réduction de dimension ainsi que des mesures de performance de modèle pour les comparer. L'analyse factorielle sous la forme de l'analyse en composantes principales (ACP) ou de l'analyse factorielle principale (AFP) est familière à la plupart des chercheurs en sciences sociales. Cependant, ce qui est moins familier, c'est de comprendre que l'analyse factorielle est un sous-ensemble de la famille statistique plus générale des méthodes de réduction de la dimension.
La boîte à outils du chercheur en sciences sociales pour les problèmes d'analyse factorielle peut être élargie pour inclure la gamme de solutions présentées dans ce livre. En plus de couvrir l'AF et l'ACP avec rotation orthogonale et oblique, ce livre couvre les modèles factoriels d'ordre supérieur, les modèles bifactoriels, les modèles basés sur des données binaires et ordinales, les modèles basés sur des données mixtes, les modèles généralisés de rang faible, l'analyse en grappes avec GLRM, les modèles impliquant des variables ou des observations supplémentaires, l'analyse factorielle bayésienne, l'analyse factorielle régularisée, les tests d'unidimensionnalité et la prédiction avec les scores factoriels. La seconde moitié de l'ouvrage traite d'autres procédures de réduction de la dimension. Celles-ci comprennent la couverture de l'ACP à noyau, l'analyse factorielle avec mise à l'échelle multidimensionnelle, les modèles d'intégration localement linéaires, les cartes propres du Laplacien, les cartes de diffusion, les méthodes dirigées par la force, l'intégration des voisins stochastiques distribués en t, l'analyse en composantes indépendantes (ICA), la réduction de la dimensionnalité par la régression (DRR), la factorisation de la matrice non négative (NNMF), Isomap, Autoencoder, les modèles d'approximation et de projection du collecteur uniforme (UMAP), les modèles de réseaux neuronaux et les modèles d'analyse factorielle longitudinale. En outre, un chapitre spécial traite des mesures permettant de comparer les performances des modèles.
Les caractéristiques de ce livre sont les suivantes :
⬤ De nombreux exemples pratiques avec un code R reproductible.
⬤ Une couverture explicite et complète des hypothèses sur les données.
⬤ Adaptation des méthodes factorielles aux données binaires, ordinales et catégorielles.
⬤ Analyse des résidus et des valeurs aberrantes.
⬤ La visualisation des résultats factoriels.
⬤ Les derniers chapitres traitent de l'intégration de l'analyse factorielle avec les réseaux neuronaux et les méthodes de séries temporelles.
Présenté en couleur avec le code R et une introduction à R et RStudio, ce livre conviendra aux cours de troisième cycle et aux cours de modules optionnels pour les chercheurs en sciences sociales, ainsi qu'aux cours de méthodes quantitatives et de statistiques multivariées.
| ISBN : | 9781032246697 |
| Auteur : | |
| Éditeur : | |
| Langue : | anglais |
| Reliure : | Broché |
| Année de publication : | 2022 |
| Nombre de pages : | 564 |
Actuellement disponible, en stock.
