aliax
September 8, 2021, 9:09am
1
Hi everyone! I'm new here, and still learning how to properly use the program, but I find myself in the need of some expert help. I am currently using the package "EFA.dimensions" to do my PCA. For this purpose, my script looks like this:
PCA(data, corkind='pearson', Nfactors=11, Ncases=NULL)
From the "Communalities" table which appears on the results (shown in the image below), I would like to extract the list of those variables with an extraction communality below 0.80 . Here in the shown example there is only one variable, "ZLocomotionSocial", but I have another dataset which might end up containing many of them, so it would be great to not have to look for them one by one. If it helps, the final objective is to remove those variables from "data" and then re-run the PCA.
Any suggestions on which code I can use to sort this out?
Thank you very much all for your time and help!
Hello,
See below how to filter the Communalities table. If you have more questions or so let us know
#install.packages("EFA.dimensions")
library(EFA.dimensions)
library(tidyverse)
output <-
EFA.dimensions::PCA(EFA.dimensions::data_Field, corkind='pearson', Nfactors=11, Ncases=NULL)
#>
#>
#> Principal Components Analysis
#>
#> Specified kind of correlations for this analysis: Pearson
#>
#> The specified number of factors to extract = 11
#>
#> Communalities:
#> Initial Extraction
#> Q01 1 0.68
#> Q02 1 0.86
#> Q03 1 0.60
#> Q04 1 0.55
#> Q05 1 0.72
#> Q06 1 0.70
#> Q07 1 0.68
#> Q08 1 0.79
#> Q09 1 0.76
#> Q10 1 0.89
#> Q11 1 0.77
#> Q12 1 0.60
#> Q13 1 0.71
#> Q14 1 0.56
#> Q15 1 0.85
#> Q16 1 0.71
#> Q17 1 0.70
#> Q18 1 0.66
#> Q19 1 0.95
#> Q20 1 0.86
#> Q21 1 0.70
#> Q22 1 0.95
#> Q23 1 0.95
#>
#>
#> Total Variance Explained (Initial Eigenvalues):
#> Eigenvalues Proportion of Variance Cumulative Prop. Variance
#> Factor 1 7.29 0.32 0.32
#> Factor 2 1.74 0.08 0.39
#> Factor 3 1.32 0.06 0.45
#> Factor 4 1.23 0.05 0.50
#> Factor 5 0.99 0.04 0.55
#> Factor 6 0.90 0.04 0.59
#> Factor 7 0.81 0.04 0.62
#> Factor 8 0.78 0.03 0.65
#> Factor 9 0.75 0.03 0.69
#> Factor 10 0.72 0.03 0.72
#> Factor 11 0.68 0.03 0.75
#> Factor 12 0.67 0.03 0.78
#> Factor 13 0.61 0.03 0.80
#> Factor 14 0.58 0.03 0.83
#> Factor 15 0.55 0.02 0.85
#> Factor 16 0.52 0.02 0.88
#> Factor 17 0.51 0.02 0.90
#> Factor 18 0.46 0.02 0.92
#> Factor 19 0.42 0.02 0.94
#> Factor 20 0.41 0.02 0.95
#> Factor 21 0.38 0.02 0.97
#> Factor 22 0.36 0.02 0.99
#> Factor 23 0.33 0.01 1.00
#>
#> Model Fit Coefficients:
#>
#> RMSR = 0.048
#>
#> GFI = 0.974
#>
#> CAF = 0.517
#>
#> Unrotated PCA Loadings:
#> Factor 1 Factor 2 Factor 3 Factor 4 Factor 5 Factor 6
#> Q01 0.59 -0.18 0.22 -0.12 0.40 0.11
#> Q02 -0.30 -0.55 -0.15 -0.01 0.03 0.38
#> Q03 -0.63 -0.29 -0.21 0.07 -0.02 0.00
#> Q04 0.63 -0.14 0.15 -0.15 0.20 0.12
#> Q05 0.56 -0.10 0.07 -0.14 0.42 0.17
#> Q06 0.56 -0.10 -0.57 0.05 -0.17 -0.01
#> Q07 0.69 -0.04 -0.25 -0.10 -0.17 0.08
#> Q08 0.55 -0.40 0.32 0.42 -0.15 -0.10
#> Q09 -0.28 -0.63 0.01 -0.10 -0.17 0.27
#> Q10 0.44 -0.03 -0.36 0.10 0.34 -0.22
#> Q11 0.65 -0.25 0.21 0.40 -0.13 -0.18
#> Q12 0.67 0.05 -0.05 -0.25 -0.04 0.08
#> Q13 0.67 -0.08 -0.28 0.01 -0.13 -0.03
#> Q14 0.66 -0.02 -0.20 -0.14 -0.08 0.03
#> Q15 0.59 -0.01 -0.12 0.11 0.07 -0.29
#> Q16 0.68 -0.01 0.14 -0.08 0.32 0.00
#> Q17 0.64 -0.33 0.21 0.34 -0.10 -0.05
#> Q18 0.70 -0.03 -0.30 -0.13 -0.15 0.09
#> Q19 -0.43 -0.39 -0.10 0.01 0.15 -0.07
#> Q20 0.44 0.21 0.40 -0.30 -0.33 0.01
#> Q21 0.66 0.06 0.19 -0.28 -0.24 0.15
#> Q22 -0.30 -0.47 0.12 -0.38 -0.07 -0.12
#> Q23 -0.14 -0.37 0.02 -0.51 -0.02 -0.62
#> Factor 7 Factor 8 Factor 9 Factor 10 Factor 11
#> Q01 0.22 0.08 0.01 -0.10 -0.11
#> Q02 -0.19 0.39 0.01 -0.12 -0.30
#> Q03 -0.01 0.05 0.20 0.10 -0.15
#> Q04 0.06 -0.11 -0.11 -0.01 0.03
#> Q05 0.06 -0.11 0.24 0.09 0.30
#> Q06 0.00 -0.05 0.00 0.00 0.13
#> Q07 -0.05 -0.03 -0.08 0.13 0.27
#> Q08 0.07 0.04 0.01 -0.05 0.09
#> Q09 0.01 0.03 0.16 0.32 0.22
#> Q10 -0.44 0.03 0.37 -0.22 0.11
#> Q11 0.01 -0.03 0.10 -0.14 0.00
#> Q12 0.14 -0.08 0.01 -0.11 -0.19
#> Q13 0.21 -0.05 0.08 -0.22 -0.24
#> Q14 0.10 0.06 -0.14 0.16 -0.08
#> Q15 -0.32 0.12 -0.27 0.41 -0.15
#> Q16 -0.12 0.14 -0.19 0.15 -0.16
#> Q17 0.02 -0.03 -0.04 0.02 -0.01
#> Q18 0.10 -0.06 -0.06 -0.12 -0.05
#> Q19 -0.05 -0.68 0.02 0.16 -0.29
#> Q20 -0.34 -0.03 0.33 0.02 -0.21
#> Q21 -0.18 -0.10 0.12 0.08 0.02
#> Q22 -0.31 -0.12 -0.41 -0.39 0.19
#> Q23 0.28 0.22 0.18 0.08 0.00
#>
#> Promax Rotation Pattern Matrix:
#> Factor 1 Factor 2 Factor 3 Factor 4 Factor 5 Factor 6
#> Q01 -0.07 0.08 -0.12 0.08 0.95 -0.09
#> Q02 0.04 -0.25 0.02 -0.05 0.07 0.13
#> Q03 -0.04 -0.23 -0.04 -0.06 -0.25 -0.13
#> Q04 0.11 -0.03 -0.03 0.05 0.65 0.05
#> Q05 -0.07 -0.26 -0.06 -0.06 0.95 0.00
#> Q06 0.95 -0.10 -0.19 0.00 -0.25 0.03
#> Q07 0.64 -0.24 -0.03 -0.02 -0.01 0.05
#> Q08 -0.08 -0.14 -0.04 0.90 0.05 -0.01
#> Q09 0.01 -0.83 0.04 0.10 0.06 -0.10
#> Q10 0.12 0.18 0.09 0.01 0.16 -0.01
#> Q11 0.07 0.06 0.07 0.81 -0.04 -0.01
#> Q12 0.54 0.15 0.19 -0.09 0.27 -0.04
#> Q13 0.82 0.20 0.00 0.15 0.00 -0.08
#> Q14 0.58 -0.05 -0.04 -0.09 0.10 -0.07
#> Q15 0.03 0.07 0.01 0.06 -0.13 -0.06
#> Q16 -0.14 0.12 0.02 -0.04 0.58 0.01
#> Q17 0.07 -0.09 -0.01 0.70 0.08 0.06
#> Q18 0.85 0.06 -0.02 -0.03 0.03 0.03
#> Q19 -0.01 -0.08 -0.01 -0.04 0.03 0.06
#> Q20 -0.18 0.00 1.10 0.02 -0.16 -0.04
#> Q21 0.21 -0.17 0.63 -0.01 0.07 0.06
#> Q22 -0.03 0.03 -0.05 0.01 -0.09 -0.08
#> Q23 0.01 -0.12 0.03 -0.02 0.07 -1.03
#> Factor 7 Factor 8 Factor 9 Factor 10 Factor 11
#> Q01 0.01 0.02 0.04 -0.09 -0.15
#> Q02 -0.07 0.11 -0.09 0.01 -0.99
#> Q03 -0.08 -0.19 0.14 -0.01 -0.29
#> Q04 0.05 -0.09 -0.11 0.01 0.03
#> Q05 -0.24 -0.03 0.11 -0.17 0.15
#> Q06 -0.18 0.01 0.01 0.06 0.02
#> Q07 -0.02 0.12 -0.06 0.12 0.14
#> Q08 0.04 0.07 -0.02 0.01 0.01
#> Q09 0.14 -0.07 0.02 -0.08 -0.25
#> Q10 -0.89 0.01 -0.04 0.09 -0.09
#> Q11 -0.11 0.00 0.01 -0.02 0.07
#> Q12 0.08 -0.07 0.01 -0.11 -0.03
#> Q13 -0.04 -0.07 0.09 -0.16 -0.10
#> Q14 0.15 0.03 0.08 0.26 -0.03
#> Q15 -0.07 -0.08 0.04 0.97 0.01
#> Q16 -0.02 0.03 0.01 0.49 -0.14
#> Q17 0.06 -0.05 0.01 0.13 -0.01
#> Q18 0.02 0.00 -0.05 -0.07 -0.04
#> Q19 0.01 -1.04 -0.06 0.09 0.12
#> Q20 -0.08 0.00 0.04 0.01 -0.03
#> Q21 0.02 0.01 -0.04 0.00 0.05
#> Q22 -0.04 -0.06 -0.93 -0.06 -0.10
#> Q23 -0.01 0.06 -0.07 0.06 0.14
#>
#> Promax Rotation Structure Matrix:
#> Factor 1 Factor 2 Factor 3 Factor 4 Factor 5 Factor 6
#> Q01 0.42 0.24 0.33 0.42 0.77 0.03
#> Q02 -0.20 -0.26 -0.26 -0.09 -0.20 -0.15
#> Q03 -0.48 -0.31 -0.50 -0.33 -0.59 -0.35
#> Q04 0.52 0.10 0.42 0.40 0.72 0.19
#> Q05 0.41 -0.14 0.31 0.27 0.72 0.20
#> Q06 0.74 -0.06 0.15 0.28 0.28 0.18
#> Q07 0.74 -0.14 0.39 0.32 0.50 0.29
#> Q08 0.37 -0.02 0.27 0.87 0.42 0.13
#> Q09 -0.19 -0.79 -0.20 -0.04 -0.19 -0.21
#> Q10 0.38 0.10 0.17 0.23 0.31 0.12
#> Q11 0.49 0.17 0.38 0.86 0.46 0.15
#> Q12 0.68 0.31 0.55 0.31 0.61 0.11
#> Q13 0.76 0.33 0.37 0.47 0.48 0.05
#> Q14 0.70 0.10 0.38 0.31 0.53 0.13
#> Q15 0.48 0.13 0.31 0.37 0.40 0.16
#> Q16 0.48 0.25 0.44 0.38 0.73 0.20
#> Q17 0.49 0.05 0.34 0.81 0.51 0.20
#> Q18 0.81 0.18 0.41 0.35 0.53 0.19
#> Q19 -0.32 -0.21 -0.33 -0.18 -0.30 -0.19
#> Q20 0.29 0.16 0.89 0.23 0.34 0.11
#> Q21 0.58 0.00 0.78 0.33 0.57 0.26
#> Q22 -0.23 -0.21 -0.15 -0.13 -0.18 -0.25
#> Q23 -0.09 -0.12 -0.06 -0.08 -0.07 -0.94
#> Factor 7 Factor 8 Factor 9 Factor 10 Factor 11
#> Q01 0.07 0.21 0.00 0.30 0.04
#> Q02 -0.03 -0.24 -0.14 -0.19 -0.86
#> Q03 -0.12 -0.51 0.10 -0.42 -0.52
#> Q04 0.07 0.22 -0.16 0.41 0.25
#> Q05 -0.25 0.24 0.03 0.27 0.36
#> Q06 -0.30 0.23 0.06 0.39 0.22
#> Q07 -0.11 0.43 -0.08 0.53 0.43
#> Q08 0.02 0.20 -0.04 0.33 0.12
#> Q09 0.04 -0.27 -0.17 -0.20 -0.31
#> Q10 -0.84 0.15 0.06 0.31 0.13
#> Q11 -0.11 0.22 0.05 0.37 0.20
#> Q12 0.12 0.25 0.02 0.33 0.21
#> Q13 -0.05 0.17 0.15 0.28 0.08
#> Q14 0.09 0.32 0.05 0.55 0.22
#> Q15 -0.12 0.26 0.04 0.90 0.24
#> Q16 0.03 0.34 -0.02 0.69 0.17
#> Q17 0.02 0.18 -0.01 0.46 0.15
#> Q18 -0.02 0.29 -0.01 0.39 0.22
#> Q19 -0.03 -0.95 -0.11 -0.26 -0.25
#> Q20 0.08 0.28 -0.02 0.25 0.24
#> Q21 0.07 0.37 -0.11 0.41 0.38
#> Q22 0.05 -0.24 -0.92 -0.18 -0.24
#> Q23 0.03 -0.14 -0.18 -0.09 -0.13
#>
#> Rotation Sums of Squared Loadings:
#> Factor 1 Factor 2 Factor 3 Factor 4 Factor 5 Factor 6
#> 6.00 1.39 3.84 3.94 5.56 1.66
#> Factor 7 Factor 8 Factor 9 Factor 10 Factor 11
#> 0.96 2.57 1.03 3.86 2.20
#>
#> Promax Rotation Factor Correlations:
#> Factor 1 Factor 2 Factor 3 Factor 4 Factor 5 Factor 6
#> Factor 1 1.00 0.15 0.52 0.47 0.65 0.23
#> Factor 2 0.15 1.00 0.21 0.13 0.20 0.02
#> Factor 3 0.52 0.21 1.00 0.34 0.57 0.20
#> Factor 4 0.47 0.13 0.34 1.00 0.48 0.14
#> Factor 5 0.65 0.20 0.57 0.48 1.00 0.22
#> Factor 6 0.23 0.02 0.20 0.14 0.22 1.00
#> Factor 7 -0.06 0.17 0.14 -0.01 0.04 -0.06
#> Factor 8 0.38 0.12 0.38 0.19 0.38 0.29
#> Factor 9 0.02 0.20 -0.06 0.01 -0.06 0.08
#> Factor 10 0.55 0.09 0.39 0.38 0.53 0.25
#> Factor 11 0.32 0.01 0.35 0.12 0.32 0.33
#> Factor 7 Factor 8 Factor 9 Factor 10 Factor 11
#> Factor 1 -0.06 0.38 0.02 0.55 0.32
#> Factor 2 0.17 0.12 0.20 0.09 0.01
#> Factor 3 0.14 0.38 -0.06 0.39 0.35
#> Factor 4 -0.01 0.19 0.01 0.38 0.12
#> Factor 5 0.04 0.38 -0.06 0.53 0.32
#> Factor 6 -0.06 0.29 0.08 0.25 0.33
#> Factor 7 1.00 0.01 -0.09 -0.05 -0.08
#> Factor 8 0.01 1.00 0.04 0.38 0.40
#> Factor 9 -0.09 0.04 1.00 -0.03 0.01
#> Factor 10 -0.05 0.38 -0.03 1.00 0.31
#> Factor 11 -0.08 0.40 0.01 0.31 1.00
changed_table <- output$Communalities %>% #pulling the correct list of lists
as.data.frame() %>% #convert matrix to data frame
filter(Extraction < 0.8) #filter the table to show the right values
changed_table
#> Initial Extraction
#> Q01 1 0.6835196
#> Q03 1 0.6017952
#> Q04 1 0.5519307
#> Q05 1 0.7172720
#> Q06 1 0.7008013
#> Q07 1 0.6797672
#> Q08 1 0.7865323
#> Q09 1 0.7616070
#> Q11 1 0.7725018
#> Q12 1 0.5986828
#> Q13 1 0.7138812
#> Q14 1 0.5636473
#> Q16 1 0.7077408
#> Q17 1 0.6998149
#> Q18 1 0.6635347
#> Q21 1 0.6953139
Created on 2021-09-08 by the reprex package (v2.0.0)
aliax
September 10, 2021, 12:14pm
3
Thank you very much GreyMerchant! It worked perfectly and solved my problem
1 Like
system
September 17, 2021, 12:15pm
4
This topic was automatically closed 7 days after the last reply. New replies are no longer allowed.
