• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Behavior Research Methods, Instruments & Computers >An SAS/IML procedure for maximum likelihood factor analysis
【24h】

An SAS/IML procedure for maximum likelihood factor analysis

机译：用于最大似然因子分析的SAS / IML程序

获取原文
获取原文并翻译 | 示例
       
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Maximum likelihood factor analysis (MLFA), originally introduced by Lawley (1940), is based on a firm mathematical foundation that allows hypothesis testing when normality is assumed with large sample sizes. MLFA has gained in popularity since Joereskog (1967) implemented an iterative algorithm to estimate parameters. This article presents a concise program using matrix language SAS/IML with the optimization subroutine NLPQN to obtain MLFA solutions. The program is pedagogically useful because it shows the step-by-step computational processes for MLFA, whereas almost all other statistical packages for MLFA are in "black boxes." It is also demonstrated that this approach can be extended to other multivariate methods requiring numerical optimizations, such as the widely used structural equation modeling. Researchers may find this program useful in conducting Monte Carlo simulation studies to investigate the properties of multivariate methods that involve numerical optimizations.
机译：最大似然因子分析（MLFA）最初由Lawley（1940）提出，其基础是牢固的数学基础，当假设样本量大时具有正态性时，就可以进行假设检验。自从Joereskog（1967）实施了一种迭代算法来估计参数以来，MLFA逐渐普及。本文介绍了一个使用矩阵语言SAS / IML和优化子例程NLPQN来获得MLFA解决方案的简洁程序。该程序在教学上很有用，因为它显示了MLFA的分步计算过程，而MLFA的几乎所有其他统计数据包都位于“黑匣子”中。还证明了该方法可以扩展到其他需要数值优化的多元方法，例如广泛使用的结构方程模型。研究人员可能会发现此程序可用于进行蒙特卡洛模拟研究，以研究涉及数值优化的多元方法的属性。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号