Originaltitel:
Factor Analysis and Dimension Reduction in R: A Social Scientist's Toolkit
Inhalt des Buches:
Factor Analysis and Dimension Reduction in R stellt eine große Anzahl von Verfahren zur Dimensionsreduktion mit Beispielen vor und bietet Leistungskennzahlen für den Vergleich der Modelle. Die Faktorenanalyse in Form der Hauptkomponentenanalyse (PCA) oder der Hauptfaktorenanalyse (PFA) ist den meisten Sozialwissenschaftlern vertraut. Weniger geläufig ist jedoch das Verständnis, dass die Faktorenanalyse eine Teilmenge der allgemeineren statistischen Familie der Dimensionsreduktionsverfahren ist.
Der Werkzeugkasten des Sozialwissenschaftlers für faktoranalytische Probleme kann um die in diesem Buch vorgestellten Lösungen erweitert werden. Neben FA und PCA mit orthogonaler und schräger Rotation werden in diesem Buch auch Faktormodelle höherer Ordnung, Bifaktormodelle, Modelle auf der Grundlage binärer und ordinaler Daten, Modelle auf der Grundlage gemischter Daten, verallgemeinerte Low-Rank-Modelle, Clusteranalyse mit GLRM, Modelle mit zusätzlichen Variablen oder Beobachtungen, Bayes'sche Faktorenanalyse, regularisierte Faktorenanalyse, Tests auf Eindimensionalität und Vorhersage mit Faktorwerten behandelt. Die zweite Hälfte des Buches befasst sich mit anderen Verfahren zur Dimensionsreduktion. Dazu gehören Kernel-PCA, Faktoranalyse mit multidimensionaler Skalierung, lokal lineare Einbettungsmodelle, Laplacian-Eigenmaps, Diffusionskarten, Force-Directed-Methoden, t-verteilte stochastische Nachbarschaftseinbettung, unabhängige Komponentenanalyse (ICA), Dimensionalitätsreduktion durch Regression (DRR), nicht-negative Matrixfaktorisierung (NNMF), Isomap, Autoencoder, Uniform Manifold Approximation and Projection (UMAP)-Modelle, neuronale Netzwerkmodelle und longitudinale Faktoranalysemodelle. Darüber hinaus werden in einem speziellen Kapitel Metriken zum Vergleich der Modellleistung behandelt.
Zu den Merkmalen dieses Buches gehören:
⬤ Zahlreiche Arbeitsbeispiele mit nachvollziehbarem R-Code.
⬤ Ausdrückliche und umfassende Abdeckung von Datenannahmen.
⬤ Anpassung von Faktormethoden an binäre, ordinale und kategoriale Daten.
⬤ Residual- und Ausreißeranalyse.
⬤ Visualisierung von Faktorenergebnissen.
⬤ Abschließende Kapitel, die die Integration der Faktorenanalyse mit neuronalen Netzwerken und Zeitreihenmethoden behandeln.
Dieses Buch wird in Farbe mit R-Code und einer Einführung in R und RStudio präsentiert und eignet sich für Graduiertenkurse und optionale Modulkurse für Sozialwissenschaftler sowie für Kurse über quantitative Methoden und multivariate Statistik.
Weitere Daten des Buches:
| ISBN: | 9781032246697 |
| Autor: | |
| Verlag: | |
| Sprache: | Englisch |
| Einband: | Taschenbuch |
| Erscheinungsjahr: | 2022 |
| Seitenzahl: | 564 |
Kauf:
Derzeit verfügbar, auf Lager.
