Hacktoberfest 2026: le issue che i maintainer hanno segnato per ottobre, aperte e adatte ai principianti. Sfoglia le issue Hacktoberfest

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

Aperta
  • Qualcosa non va?
#104 1 commento 0 reazioni 0 assegnatari Vedi su GitHub

Nessuno ha ancora preso questa issue.

Valutazione

Difficoltà
4/5
Tempo stimato
3-5 giorni
Idoneità per principianti
35/100
Tipo di issue
Funzionalità
Chiarezza
Abbastanza chiara
Stato di attività
Ferma
Stack tecnologico
python
Ambito
data

Direzione di ricerca

Partire dal punto di ingresso FactorAnalyzer(n_factors=3, rotation="varimax", method="principal") e confrontare i risultati esistenti per SS loadings, Proportion Var e Cumulative Var con l’output R fornito. Esaminare come la libreria espone le statistiche di adattamento, quindi determinare cosa è necessario per Proportion Explained, RMSR, il chi-quadrato e l’ipotesi di sufficienza; il lavoro è completo quando questi valori sono disponibili e concordano con l’esempio.

Scritto dal modello di indicizzazione a partire dal testo della issue.

Descrizione

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.

Lingua principale
Python
Stelle
6
Fork
2
Nessuna PR unita negli ultimi 30g

Preparare l'ambiente

Questo progetto non fornisce container di sviluppo, Dockerfile né guida per i contributori, quindi l'ambiente è a tuo carico: parti dal suo README e consulta la nostra guida al primo contributo per i passaggi generali.

Come iniziare

  1. Leggi tutta la issue e poi la guida ai contributi del progetto.
  2. Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
  3. Fai un fork del repository e lavora su un branch.
  4. Apri una pull request che faccia riferimento al numero della issue.

Altre issue di EducationalTestingService/factor_analyzer

Tutte le issue di EducationalTestingService/factor_analyzer

Issue simili

Altre issue su Python

Ricevi le nuove issue nella tua casella

Un breve riepilogo di issue GitHub adatte ai principianti.