→ coldwind0912: 其實我不完全理解你的問題 也許你該詳細的說明一下 04/17 17:16
→ coldwind0912: 但直觀上 我認為應該不是做因素分析 而是主成份分析 04/17 17:17
→ mitkaffee: 抱歉，我重新編輯一下我的情況和問題 04/17 17:18
※ 編輯: mitkaffee (140.112.78.232), 04/17/2015 17:26:33
→ coldwind0912: 粹取主成份來跑迴歸...主成份≠因素 很多人亂用.... 04/17 17:18
→ coldwind0912: 或許看晚點有沒有生統方面專長的大大能幫忙回答 04/17 17:20
→ mitkaffee: 我重新編輯好了 請問這樣清楚嗎 04/17 17:26
→ mitkaffee: 我是萃取因素後才跑回歸 我沒有用主成份 04/17 17:27
→ andrew43: 一般線性迴歸的常態性前題是指殘差，而非反應變數。 04/17 19:03
→ andrew43: 另外，你或許也可以考慮使用典型相關分析。 04/17 19:22
→ andrew43: 因素分析的話，或許有其它證據指出你提出的因素是洽當的 04/17 19:30
→ andrew43: 會比較有說服力。畢竟因素分析的軸是可以轉的。 04/17 19:31
→ mitkaffee: 喔喔 所以只要檢定殘差符合常態性即可嗎？ 04/17 20:10
→ mitkaffee: 另外我有想過用典型分析 但所學有限 那個對我有點難Ｑ 04/17 20:10
→ mitkaffee: 我是研究所做論文才開始接觸多變量分析 以前只有生統 04/17 20:10
→ mitkaffee: 但我想請問做典型的話有什麼前提嗎 我是否也需要做維度 04/17 20:11
→ mitkaffee: 縮減？ 04/17 20:11
→ andrew43: 檢驗典型相關係數要注意是否存在多變量常態。 04/17 21:21
→ andrew43: 但樣本量大時可能沒太要緊。 04/17 21:23
→ mitkaffee: 但我的樣本數只有最多24個 這樣依然有辦法嗎？ 04/18 00:18
→ andrew43: 根據經驗，這樣的樣本數很難驗證變數之分配。 04/18 01:40
→ andrew43: 無論如何，你還可以試著對變數做轉型，看會不會更像常態 04/18 01:41
→ mitkaffee: 所以你的意思是如果樣本非常態 仍然必須經過轉換後才能 04/18 23:58
→ mitkaffee: 做迴歸分析嗎？ 還是能有不用此限制的方法 04/18 23:58
→ andrew43: 迴歸殘差如果偏離常態，可以試著對應變數轉型。 04/19 00:01
→ andrew43: 這件事大多數統計教科書都有。三言兩語說不完。 04/19 00:02
→ andrew43: 如果要避開此限制就要找robust分析。例如permutation之 04/19 00:03
→ andrew43: 類的。怎麼挑選適當方法也要視情況而定。 04/19 00:04
→ yhliu: 其實, 因素分析隱含假設原資料是符合多變量常態的, 典型相 04/19 21:21
→ yhliu: 關其實就是兩組(多個)變量之間隱含之因素之間的相關, 也是 04/19 21:22
→ yhliu: 在多變量常態的思維下的產物. 04/19 21:22
→ yhliu: 主成分, 其實可以看成只是變數的重組. 04/19 21:23
→ yhliu: 如果解釋變項不動, 對反應變項進行主成分或因素分析, 再用 04/19 21:24
→ yhliu: 結果之主成分或因素分數為反應變數進行分析, 其意義是有些 04/19 21:25
→ yhliu: 不同的. 前者是對 "組合變數" 之分析, 後者是對 "內含因素" 04/19 21:25
→ yhliu: 也就是隱藏於所考慮之諸多原反應變數背後之因子進行的分析. 04/19 21:27
→ yhliu: 如果是對解釋變數而非反應變數進行主成分或因素分析, 再以 04/19 21:28
→ yhliu: 結果為解釋變數, 最後主成分解釋變數可還原成原變數, 而用 04/19 21:30
→ yhliu: 原變數來解釋結果; 而因素分數為解釋變數, 是在分析原考慮 04/19 21:31
→ yhliu: 之解釋變數背後之共同因素對反應變數的影響. 04/19 21:31