使用factor_analyzer解释验证性因子分析中的因子载荷

Question

我使用factor_analyzer包中的ConfirmatoryFactorAnalyzer进行了因子分析。据我理解SEM，因子载荷应该是潜在变量和测量变量的皮尔逊系数，但其中一个等于-1.17，所以它不可能是相关系数。

对于这个包裹来说，这还有其他含义吗？我应该以某种方式标准化它（但我的数据是标准化的）？文档并没有真正帮助：

loads_：因子载荷矩阵。

这是我的代码：

def sem_analysis(data, group1, group2):

    scaler = StandardScaler()

    scaled_data = pd.DataFrame(scaler.fit_transform(data), columns=data.columns)

    required_data = scaled_data[group1 + group2]

    model_dict = {"F1": group1, "F2": group2}

    model_spec = ModelSpecificationParser.parse_model_specification_from_dict(required_data, model_dict)

    cfa = ConfirmatoryFactorAnalyzer(model_spec, disp=False)

    cfa.fit(required_data.values)

    return cfa.loadings_

我在随机生成的数据上得到的结果：

[[ 0.81664434  0.        ]

 [ 0.76591388  0.        ]

 [-0.84197706  0.        ]

 [ 0.         -0.27572329]

 [ 0.         -1.17491134]

 [ 0.          0.39020765]]

Answer 1

我曾经有过这个问题，这就是我发现的：SEM 的一位杰出先驱在一篇关于此问题的报告中的这段话几乎概括了这一点：“这种误解可能源于经典的探索性因子分析，其中如果分析相关矩阵并且因子是标准化且不相关（正交）的，则因子载荷就是相关性。但是，如果因子是相关的（倾斜），则因子载荷是回归系数，并且不是相关性，因此它们的大小可能大于 1。”因子载荷的绝对值可以大于 1。