Very Simple Structure(VSS)图解读、数据提取及因子分析技术问询

我在因子分析流程中，先绘制了碎石图（scree plot），再通过psych包生成VSS图来确定保留的因子数量，使用的代码如下：

pacman::p_load(psych)
vss(pc$correlations, n = 8, rotate = 'geominQ', diagonal = TRUE, fm = 'mle', n.obs = 342, plot = TRUE, title = ' ')

该代码返回了8行16列的数据框、VSS图及配套汇总指标，针对这些操作和结果，以下是对应问题的解答：

1. VSS图上的四条线分别代表什么？ #

• VSS complexity 1：基于复杂度为1的简单结构准则计算的拟合指标，假设每个变量仅在一个因子上有高载荷
• VSS complexity 2：基于复杂度为2的准则，允许变量在最多两个因子上有高载荷
• MAP (Mean Absolute Probability)：平均绝对概率指标，衡量因子载荷矩阵的简单结构程度，数值越高代表结构越简单
• BIC (Bayesian Information Criterion)：贝叶斯信息准则，用于模型选择，数值越低代表模型拟合越优

2. 如何提取绘图所用的数据框，以用ggplot绘制适用于发表的图？ #

vss()函数的返回结果中包含了绘图所需的所有数据，你可以将函数结果赋值给一个对象，然后从中提取相关列：

# 运行VSS并保存结果（关闭默认绘图）
vss_result <- vss(pc$correlations, n = 8, rotate = 'geominQ', diagonal = TRUE, fm = 'mle', n.obs = 342, plot = FALSE, title = ' ')

# 整理成ggplot适配的长格式数据
library(tidyverse)
plot_data <- vss_result$vss_df %>%
  select(n.factors, VSS1, VSS2, MAP, BIC) %>%
  pivot_longer(cols = -n.factors, names_to = "metric", values_to = "value")

# 用ggplot绘制发表级图表
ggplot(plot_data, aes(x = n.factors, y = value, color = metric)) +
  geom_line(linewidth = 1) +
  geom_point(size = 2) +
  labs(x = "因子数量", y = "指标值", color = "评价指标") +
  theme_bw()

3. VSS图的实际作用是什么？ #

VSS图的核心作用是辅助确定因子分析中最优的因子数量，它通过多个不同的简单结构拟合指标，直观展示不同因子数量下模型的简单结构程度和拟合优度，帮助研究者在「拟合优度」和「结构简洁性」之间找到平衡——毕竟因子分析的目标不仅是拟合数据，更要得到可解释的、简洁的因子结构。

4. 如何解读结果以确定因子数量？该结果与碎石图结果如何协调？二者是否有主次之分？ #

VSS结果解读： #

• 优先看VSS1和VSS2：当这两个指标达到峰值且趋于稳定时，对应的因子数量就是候选值
• 参考MAP：MAP值越高越好，峰值对应的因子数量可作为参考
• 参考BIC：BIC值越低越好，找到BIC下降到平稳的转折点对应的因子数量

与碎石图的协调： #

碎石图是基于特征值大小判断，通常选择特征值大于1的因子，或找到特征值下降的「拐点」。二者没有绝对的主次之分，需要结合来看：

• 如果VSS推荐的因子数量和碎石图一致，说明结果稳定
• 如果不一致，优先结合理论意义：比如某个因子数量在专业领域更有解释性，就优先选择；同时可以结合其他指标（如Cronbach's α、因子载荷的显著性）进一步验证

5. 如何选择估计量？部分因子数量/估计量组合出现警告或不收敛，希望了解VSS的底层数学逻辑。 #

估计量选择： #

• fm = 'mle'（最大似然估计）：适合正态分布的数据，能提供拟合优度检验，但对偏离正态的数据敏感
• fm = 'pa'（主轴因子法）：非参数方法，对数据分布要求低，适合探索性分析
• fm = 'minres'（最小残差法）：介于MLE和主轴法之间，计算稳定，适合大多数情况
• 如果出现不收敛或警告，优先换用minres或pa，这两种方法稳定性更强

VSS底层数学逻辑： #

VSS的核心是简单结构准则，它通过计算每个变量在因子上的载荷分布，衡量「变量仅在少数因子上有高载荷」的程度：

1. 对每个候选因子数量，先进行因子提取和旋转（你用的是geominQ斜交旋转）
2. 计算复杂度指数：衡量每个变量载荷的分散程度，复杂度为1代表变量仅在一个因子上有载荷，复杂度为2代表在两个因子上有载荷
3. VSS1和VSS2就是基于复杂度1和2，计算模型的拟合优度与简单结构的综合得分；MAP则是通过概率模型衡量载荷的集中程度；BIC则是兼顾拟合和模型复杂度的信息准则
4. 不收敛通常是因为因子数量与数据结构不匹配（比如因子数量过多/过少），或估计量对数据分布的假设不满足，这时候换更稳健的估计量或调整因子数量即可

内容的提问来源于stack exchange，提问作者ryorlets