Compare dos métodos de análisis en los mismos datos
Ejemplo práctico PCA y análisis de factores exploratorios de la psique:
El cambio de métodos es informativo sólo cuando los insumos y el preprocesamiento son comparables. Este ejemplo aplica análisis de componentes principales estandarizados (PCA) y análisis de factores de probabilidad máxima de cinco factores (FA) al mismas respuestas completas 2,436. Se compara lo que los métodos estiman, en lugar de tratar el mayor número como el método ganador.
1. Preparar la entrada pública y el tiempo de ejecución R
Descargue el psych::bfi CSV público, ahorrelo como bfi-original.csv, y lea el Documentación de los conjuntos de datos. Contiene artículos de personalidad 2,800, elementos de personalidad 25 y columnas demográficas. El análisis solo utiliza A1–A5, C1–C5, E1–E5, N1–N5 y O1–O5; no es una evaluación psicológica individual.
En Settings → Runtimes, confirme R es Ready y está habilitado. El funcionamiento registrado utilizó R 4.4.3, con funciones de base/recomendada R y sin instalación de paquete adicional. Adjuntar el CSV a una conversación de proyecto a través de + → Attach files.
2. Arregla el preprocesamiento antes de ajustar el método
Use the attached psych::bfi CSV in the enabled R Notebook.
Analyze only its 25 A/C/E/N/O items, scored 1–6. Validate the range.
Reverse A1, C4, C5, E1, E2, O2 and O5 as 7-x. Use the same complete
cases across all 25 items for both methods; report exclusions.
Run prcomp with centering/scaling and retain five components.
Varimax-rotate eigenvector times sqrt(eigenvalue) loading columns;
label them RotPC1–RotPC5. Report variance from unrotated PC1–PC5.
Run factanal with five factors, varimax and nstart=10; set seed 20260916.
Save bfi-method-comparison.R, bfi-preprocessing.csv, bfi-loadings.csv,
bfi-method-metrics.csv, bfi-method-comparison.png and bfi-method-report.md.
Make the script accept the input CSV as its first argument, record
runtime input identity and R version, execute it and reopen all outputs.
Explain fit, convergence, arbitrary signs/order, ordinal responses
and complete-case limitations. Do not claim that convergence is good fit.
Use English and do not install packages or delegate.
Revise el cálculo R antes de aprobarlo. Abra Notebook y confirme la ejecución completada. La matriz de preprocesamiento guardada tiene 2,436 rows × 25 items, excluyendo 364 encuestados incompletos. Esta misma matriz alimenta ambos métodos; demográficos y identificadores de fila están excluidos.
Si un método usa silenciosamente un conjunto diferente de encuestados, detenga y reconcilie los insumos antes de comparar su resultado.
3. Inspeccionar los resultados numéricos
Open bfi-method-metrics.csv de Generated o Files. El archivo grabado contiene Renglones métricos 77, incluyendo los recuentos de muestra, falta, varianza PCA, singularidades FA, ajuste, convergencia, semilla e identidad de entrada.
| Componente de PCA no rotado | Variación normalizada total explicada |
|---|---|
| PC1 | 20.54% |
| PC2 | 11.01% |
| PC3 | 8.57% |
| PC4 | 7.41% |
| PC5 | 6.19% |
| Primero cinco combinados | 53.72% |
El optimizador de FA converge, pero la estadística de probabilidad-ratio era 1490.587 en 185 grados de libertad, con p ≈ 1.218 × 10⁻²⁰². Bajo los supuestos modelo, esto rechaza exactamente cinco factores. La exitosa ejecución numérica no establece un ajuste adecuado.
4. Compare los patrones de carga en la figura
Abre bfi-method-comparison.png. Sus tres paneles muestran varianza PCA no rotada, cargas PCA varimax rotadas y cargas de varimax FA. Los valores de carga exactos están en bfi-loadings.csv, con Renglones 250: 25 items × 5 dimensions × Métodos 2.
No coincida mecánicamente con “column 1” a través de los métodos. El orden y los signos de factor/componente pueden cambiar sin cambiar la solución. Los mapas de calor usan azul para cargas negativas y rojas; comparar patrones de elementos y valores numéricos.
Dispositivos PCA total de la varianza observada; Modelos FA compartieron covariancia con singularidades separadas. Las sumas FA de las cargas cuadradas no son intercambiables con PCA varianza explicada. Las etiquetas rotativas RotPC1–RotPC5 se distinguen intencionadamente de los porcentajes de varianza PC1–PC5 no rotados.
5. Lea las limitaciones y vuelva a ejecutar el script guardado
Abre bfi-method-report.md. Comprueba que reporta la misma muestra y preprocesamiento, la semilla fija y la diferencia entre convergencia y ajuste. Estas respuestas ordinal 1-6 se tratan como aproximadamente continuas; la eliminación completa de casos puede sesgar los resultados cuando la falta se relaciona con las respuestas o características de los participantes.
Descargue el R script, cargas, métricas, gráfico y informe. Ponga el script y descarga la entrada en una carpeta fresca, abra un terminal allí y ejecute:
Rscript bfi-method-comparison.R bfi-original.csv
El script escribe sus salidas en la carpeta actual. El script grabado fue repetido independientemente con R 4.4.3: preprocesamiento, cargas y CSVs métricas coincidieron con los archivos guardados de la aplicación exactamente. Todas las células preprocesadoras y los eigenvalues PCA también se revisaron por separado. Estos cheques establecen la reproducibilidad de este cálculo; no eligen un método universalmente superior o validan una prueba de diagnóstico.