如何从psych包的EFA结果提取观测层面因子分数用于GLM

问题原因 #

你当前获取的fa_02$r.scores和fa_02$score.cor是因子间的相关矩阵，并非每个观测样本的因子分数——这是因为调用fa()函数时未指定计算观测因子分数的参数，默认不会生成样本层面的分数。

解决方案 #

1. 重新运行EFA并指定分数计算方法

调用psych::fa()时必须添加scores参数，指定因子分数的估计方法（常用选项包括"regression"、"tenBerge"、"Anderson"）。示例代码：

library(psych)
# 假设你的原始数据集为df，包含所有用于EFA的观测变量
fa_02 <- fa(df, nfactors = 2, scores = "regression")

• scores = "regression"：回归法估计因子分数，最常用，默认对变量中心化
• scores = "tenBerge"：保证因子得分正交，适用于需要因子独立的场景
• scores = "Anderson"：极大似然法估计，符合EFA的统计假设

2. 提取观测层面的因子分数

正确的样本因子分数存储在fa_02$scores中，这是一个行数与原始数据集观测数一致、列数等于因子数的矩阵：

# 查看因子分数维度，确认与原始数据行数匹配
dim(fa_02$scores)
# 查看前几行因子分数
head(fa_02$scores)

3. 合并因子分数到数据集用于GLM

将因子分数合并到原始数据后，即可作为自变量构建广义线性模型：

# 合并因子分数与原始数据
df_combined <- cbind(df, fa_02$scores)
# 构建GLM示例（假设响应变量为y，其他预测变量为other_var1、other_var2）
glm_fit <- glm(y ~ MR1 + MR2 + other_var1 + other_var2, data = df_combined, family = gaussian)

补充说明 #

• fa_02$r.scores：因子得分的相关矩阵，反映提取出的因子之间的关联程度
• fa_02$score.cor：与fa_02$Phi等价，是EFA模型中潜在因子的相关矩阵

内容的提问来源于stack exchange，提问作者Karoline