[ R ] ch14 연습문제

drinking_water_example.sav

0.01MB

 

 

 

 

 2. 다음은 drinking,water_example.sav 파일의 데이터셋이 구성된 테이블이다. 전체 2 개의 요인에 의해서 7 개의 변수로 구성되어 있다. 아래에서 제시된 각 단계에 맞게 요인 분석을 수행하시오

 

 

(1) 데이터파일 가져오기

library(memisc) setwd("C:/") data.spss <- as.data.set(spss.system.file('drinking_water_example.sav')) data.spss drinking_water_exam <- data.spss[1:7] drinking_water_exam_df <- as.data.frame(drinking_water_exam) str(drinking_water_exam_df) # 'data.frame': 380 obs. of  7 variables: #   $ Q1: num  3 3 3 3 3 1 2 2 2 4 ... # ..- attr(*, "label")= chr "A&G0 D#9P551" # $ Q2: num  2 3 3 3 3 1 2 2 2 3 ... # ..- attr(*, "label")= chr "A&G0 D#9P552" # $ Q3: num  3 3 3 3 2 1 2 1 1 3 ... # ..- attr(*, "label")= chr "A&G0 D#9P553" # $ Q4: num  3 3 4 2 2 3 4 2 3 4 ... # ..- attr(*, "label")= chr "A&G0 88A7551" # $ Q5: num  4 3 4 2 2 3 4 2 2 2 ... # ..- attr(*, "label")= chr "A&G0 88A7552" # $ Q6: num  3 2 4 2 2 3 4 2 3 3 ... # ..- attr(*, "label")= chr "A&G0 88A7553" # $ Q7: num  4 3 4 2 2 3 4 2 1 4 ... # ..- attr(*, "label")= chr "A&G0 88A7554"

 

 

(2) 베리맥스 회전법, 요인수 2, 요인점수 회귀분석 방법을 적용하여 요인 분석

result <- factanal(drinking_water_exam_df, factors = 2, rotation = "varimax",scores = "regression") result # Call: #   factanal(x = drinking_water_exam_df, factors = 2, scores = "regression",     rotation = "varimax") #  # Uniquenesses: #      Q1     Q2     Q3     Q4     Q5     Q6      Q7  # 0.333 0.222 0.298 0.388 0.200 0.231 0.410  #  # Loadings: #   Factor1 Factor2 # Q1 0.212   0.789   # Q2 0.182   0.863   # Q3 0.170   0.820   # Q4 0.724   0.296   # Q5 0.882   0.149   # Q6 0.860   0.172   # Q7 0.742   0.198   #  #                      Factor1 Factor2 # SS loadings      2.700   2.219 # Proportion Var   0.386   0.317 # Cumulative Var   0.386   0.703 #  # Test of the hypothesis that 2 factors are sufficient. # The chi square statistic is 12.93 on 8 degrees of freedom. # The p-value is 0.114

 

 

(3) 요인적재량 행렬의 컬럼명 변경

loadings <- result$loadings colnames(loadings) <- c("제품친밀도","제품만족도") loadings # Loadings: #   제품친밀도 제품만족도 # Q1 0.212      0.789      # Q2 0.182      0.863      # Q3 0.170      0.820      # Q4 0.724      0.296      # Q5 0.882      0.149      # Q6 0.860      0.172      # Q7 0.742      0.198      #  #                    제품친밀도 제품만족도 # SS loadings         2.700      2.219 # Proportion Var      0.386      0.317 # Cumulative Var      0.386      0.703

 

 

(4) 요인점수를 이용한 요인적재량 시각화

plot(result$scores[,c(1,2)], main="제품친밀도와 제품만족도 요인점수 행렬") text(result$scores[,1], result$scores[,2], labels=name,cex=0.7,pos=3,col="blue") points(result$loadings[,c(1:2)],pch=19,col="red") text(result$loadings[,1], result$loadings[,2], labels=rownames(result$loadings),cex=0.7,pos=3,col="green3")

 

 

(5)요인별 변수 묶기

 

a <- data.frame(drinking_water_exam_df$Q1,                 drinking_water_exam_df$Q2,                 drinking_water_exam_df$Q3) b <- data.frame(drinking_water_exam_df$Q4,                 drinking_water_exam_df$Q5,                 drinking_water_exam_df$Q6,                 drinking_water_exam_df$Q7)

 

 2.  1 번에서 생성된 두 개의 요인을 데이터프레임으로 생성한 후 이를 이용하여 두 요인 간의 상관관계 계수를 제시하시오.

 

x <- round((a$drinking_water_exam_df.Q1 +                a$drinking_water_exam_df.Q2 +                a$drinking_water_exam_df.Q3)/ncol(a),2) y <- round((b$drinking_water_exam_df.Q4 +               b$drinking_water_exam_df.Q5 +               b$drinking_water_exam_df.Q6 +                b$drinking_water_exam_df.Q7)/ncol(b),2) a$drinking_water_exam_df.Q1 subject_facor_df <- data.frame(x,y) cor(subject_facor_df) #           x         y # x 1.0000000 0.4047543 # y 0.4047543 1.0000000