Добрый день. Подскажите пожалуйста, какую границу отсечения величины нагрузок в настоящее время принято считать адекватной для интерпретации при проведении факторного анализа (значение, начиная с которого переменные, имеющие большую факторную нагрузку, включаются в группу для интерпретации)?

По моему разумный подход это: 1) обнулить нагрузки которые считаются не значимые 2) восстановить данные (или корреляционную матрицу) 3) сравнить значимость отличий

Второй подход, с помощью бутстрепа, технически сложнее: надо будет конфигурацию нагрузок приводить к единому виду прокрустом для всех генерируемых бутстрепом перевыборок с возвращением. Результат -- распределения нагрузок и доверительные интервалы для каждой в проекции интерпретируемого фактора.

спасибо

Простая структура: у каждой переменной факторная нагрузка (по модулю) 0,7 и выше только по одному фактору, 0.2 и меньше - по всем остальным .
В последнее время все чаще применяется конфирматорный факторный анализ с созданием моделей SEM.
При данном подходе переменная может включаться в два фактора, т.е. можно использовать перекрестные индикаторы.
Это особенно актуально, если факторные нагрузки переменной по двум факторам примерно равны.
В некоторых случаях факторный анализ можно заменить более простым методом - кластерным анализом переменных.

Спасибо

Если выбирать из самых простых вариантов, то можно ещё ориентироваться на число 0,3. Корреляции менее 0,3 считаются слабыми, поэтому то, что меньше - несущественно. На практике я ориентируюсь на значения 0,25 - 0,3 и более если данных много (в моих случаях "много" - это 50-100 строк) и на 0,5 и более - если данных мало (20-30 строк). Также, поскольку факторная нагрузка - это корреляция между исходной переменной и латентной переменой, можно посчитать такую корреляцию. Т.е. после проведённого анализа сохранить значения факторов (factor scores) для всех объектов и рассчитать корреляцию Пирсона между значением фактора и переменной (она в точности совпадёт с нагрузкой). Значимые корреляции/нагрузки отметить. Я в таблице факторных нагрузок всегда показываю читателю жирным шрифтом позиции, которые считаю неслучайными и/или обсуждаю. Если у вас данных много, то значимыми могут оказаться нагрузки даже 0,1 и менее. В этом случае, думаю, полезно ориентироваться где-то на 0,3 - вы сами увидите, что как правило именно такие факторы хорошо объясняются с предметной точки зрения.

Существует открытое ПО для выполнения конфирматорного факторного анализа и построения других моделей SEM
http://onyx.brandmaier.de/
Данные в модель можно загружать из файлов SPSS или Excel (с расширением txt).
Можно использовать вторичные факторы и др.
Ошибка RMSEA вычисляется, но индексов модификации M.I. в выводе нет.