Hacktoberfest 2026: los issues que los mantenedores marcaron para octubre, abiertos y aptos para principiantes. Explorar issues de Hacktoberfest

how to get Proportion Explained, RMSR and chi-squared?

Abierto
  • ¿Algo no está bien?
#104 1 comentario 0 reacciones 0 asignados Ver en GitHub

Nadie ha tomado este issue todavía.

Evaluación

Dificultad
4/5
Tiempo estimado
3-5 días
Aptitud para principiantes
35/100
Tipo de issue
Nueva funcionalidad
Claridad
Bastante claro
Estado de actividad
Estancado
Stack tecnológico
python
Área
data

Línea de trabajo

Comience en el punto de entrada FactorAnalyzer(n_factors=3, rotation="varimax", method="principal") y compare sus resultados existentes de SS loadings, Proportion Var y Cumulative Var con la salida de R proporcionada. Revise cómo expone la biblioteca las estadísticas de ajuste y determine qué se necesita para Proportion Explained, RMSR, chi-cuadrado y la hipótesis de suficiencia; se considera terminado cuando estos valores están disponibles y coinciden con el ejemplo.

Escrito por el modelo de indexación a partir del texto del issue.

Descripción

Is your feature request related to a problem? Please describe.
Dataset:

ifanmot.csv

R code:

fan <- principal(ifanmot[,1:42],nfactors=3,rotate="varimax")
print(fan,cut=.5,sort=TRUE)

R output:

Principal Components Analysis
Call: principal(r = ifanmot[, 1:42], nfactors = 3, rotate = "varimax")
Standardized loadings (pattern matrix) based upon correlation matrix

                       RC1  RC2  RC3
SS loadings           9.63 5.53 4.96
Proportion Var        0.23 0.13 0.12
Cumulative Var        0.23 0.36 0.48
Proportion Explained  0.48 0.27 0.25
Cumulative Proportion 0.48 0.75 1.00

Mean item complexity =  1.7
Test of the hypothesis that 3 components are sufficient.

The root mean square of the residuals (RMSR) is  0.06 
 with the empirical chi square  2531.01  with prob <  1.2e-194 

Fit based upon off diagonal values = 0.97

Describe the solution you'd like
Using FactorAnalyzer(n_factors=3, rotation="varimax", method="principal") in Python I know how to get SS loadings, Proportion Var, and Cumulative Var and I get the same values as with R.

I do not know how to get Proportion Explained (and Cumulative Proportion would be nice, although I can compute that). Proportion Explained would be very useful to assess the performance of the PCA. But I can't get it from the Python library.

Same question for the hypothesis that 3 components are sufficient, and the RMSR and chi-squared.

Lenguaje dominante
Python
Estrellas
6
Forks
2
Sin PR fusionados en 30 d

Preparar el entorno

Este proyecto no incluye contenedor de desarrollo, Dockerfile ni guía de contribución, así que la configuración corre por tu cuenta: empieza por su README y consulta nuestra guía para la primera contribución para los pasos generales.

Primeros pasos

  1. Lee el issue completo y luego la guía de contribución del proyecto.
  2. Comenta en el issue que vas a ocuparte — evita que dos personas hagan lo mismo.
  3. Haz un fork del repositorio y trabaja en una rama.
  4. Abre un pull request que haga referencia al número del issue.

Más de EducationalTestingService/factor_analyzer

Todos los issues de EducationalTestingService/factor_analyzer

Issues similares

Más issues de Python

Recibe los nuevos issues en tu correo

Un resumen breve de issues de GitHub para principiantes.