Análisis factorial y reducción de dimensiones en R: Herramientas para científicos sociales

Título original:

Factor Analysis and Dimension Reduction in R: A Social Scientist's Toolkit

Contenido del libro:

Factor Analysis and Dimension Reduction in R proporciona cobertura, con ejemplos trabajados, de un gran número de procedimientos de reducción de dimensión junto con métricas de rendimiento del modelo para compararlos. El análisis factorial en forma de análisis de componentes principales (ACP) o análisis factorial principal (AFP) es familiar para la mayoría de los científicos sociales. Sin embargo, lo que resulta menos familiar es comprender que el análisis factorial es un subconjunto de la familia estadística más general de métodos de reducción de dimensiones.

El conjunto de herramientas del científico social para los problemas de análisis factorial puede ampliarse para incluir la gama de soluciones que presenta este libro. Además de cubrir el AF y el ACP con rotación ortogonal y oblicua, la cobertura de este libro incluye modelos factoriales de orden superior, modelos bifactoriales, modelos basados en datos binarios y ordinales, modelos basados en datos mixtos, modelos generalizados de bajo rango, análisis de conglomerados con GLRM, modelos que implican variables u observaciones suplementarias, análisis factorial bayesiano, análisis factorial regularizado, pruebas de unidimensionalidad y predicción con puntuaciones factoriales. La segunda mitad del libro trata de otros procedimientos de reducción de dimensiones. Estos incluyen la cobertura de kernel PCA, análisis factorial con escalamiento multidimensional, modelos de incrustación localmente lineales, mapas propios laplacianos, mapas de difusión, métodos de fuerza dirigida, incrustación estocástica de vecinos t-distribuida, análisis de componentes independientes (ICA), reducción de la dimensionalidad mediante regresión (DRR), factorización de matrices no negativas (NNMF), Isomap, Autoencoder, modelos de aproximación y proyección de colectores uniformes (UMAP), modelos de redes neuronales y modelos de análisis factorial longitudinal. Además, un capítulo especial cubre las métricas para comparar el rendimiento de los modelos.

Las características de este libro incluyen:

⬤ Numerosos ejemplos con código R reproducible.

⬤ Cobertura exhaustiva explícita de los supuestos de datos.

⬤ Adaptación de métodos factoriales a datos binarios, ordinales y categóricos.

⬤ Análisis residual y de valores atípicos.

⬤ Visualización de resultados factoriales.

⬤ Capítulos finales que tratan la integración del análisis factorial con métodos de redes neuronales y series temporales.

Presentado en color con código R e introducción a R y RStudio, este libro será adecuado para cursos de postgrado y de módulos opcionales para científicos sociales, y en cursos de métodos cuantitativos y estadística multivariante.