El análisis de los factores de multiplicar los datos imputados

Question

Tengo un conjunto de datos con aproximadamente 500 observaciones en ocho de las variables clave. Hay una gran cantidad de datos faltantes; sólo acerca de la 1/12 parte de las observaciones se completa. Estoy usando PROC MI y MIANALYZE en SAS para ejecutar diversas regresiones en multiplicar los datos imputados, y esto está funcionando bien. (Hay cerca de 200 variables en total, y hay una alta correlación entre ellos, lo que ayuda múltiple de la imputación.)

Sin embargo, también me gustaría hacer un análisis factorial de los datos imputados. Este no parece ser fácil de hacer en SAS, y plantea algunos desafíos interesantes:

1. Los signos de los factores son arbitrarias, tan diferentes de las imputaciones podría producir signos opuestos;
2. ¿Cuál fue el factor de 1 en uno de imputación podría ser un factor de 2 en otro imputación (aunque en este caso, con tan pocas variables clave, es probable que uno de los factores es suficiente),

y probablemente también otras cuestiones.

Yo podría hacer un análisis de factores exploratorios en cada uno de los imputados conjunto de datos, por supuesto, y entonces yo podría promedio de ellos en una especie de base ad-hoc, pero esto parece muy descuidado.

Algunas Google no reveló ninguna de las soluciones, pero ... bueno, Google no siempre se encuentra de todo.

Cualquier ayuda, ideas, referencias apreciado. Tengo acceso a SAS y R.

Answer 1

Análisis factorial o el análisis de componentes principales pueden, de hecho, el rendimiento de las soluciones cuyas respuestas son rotar y reflejar las versiones de cada uno de los otros, por lo que el promedio de la persona puntuaciones no es una buena idea. Varios autores han explorado el uso de análisis de Procrustes para corregir la rotación de indeterminación, por lo que tratar de buscar en múltiples imputación' y 'procrustes'.

Answer 2

Hacer análisis factorial confirmatorio en su lugar, lo que ayudaría a la fijación de las cargas tienen el mismo signo en todas las imputaciones. En su corazón, el EFA es exploratorio, mientras que MI marco es el de la estimación de parámetros. Ellos simplemente no van bien juntos: MI no es particularmente conveniente, ya sea para realizar pruebas o análisis exploratorio. EPT sólo tiene sentido si usted no sabe nada acerca de sus datos, que rara vez es el caso: si usted ha diseñado el instrumento, usted debe haber tenido alguna idea en mente de lo que se desea medir, y sólo puede cortar la carne de que con la CFA.