在最上期的文章的最后,我们留了一个问题:如何用探索性因子分析去分析一下这些症状群的主成分情况? 首先,我们要搞清楚什么是因子分析。 因子分析的基本思想是根据原始变量的相关性大小进行分组,原始变量之间相关性较强的构成一个新的组。 比如,我们在进行垃圾分类的时候,会根据垃圾的不同性质(相关性)对垃圾进行分类。 (图源网络) 可回收的垃圾放一块,厨房垃圾放一块,有害垃圾放一块。 那么,放一起之后的目的是什么?(设置干预措施)统一处理! 这就是因子分析降维的目的。其实就是把很多很多的原始的数据(变量),根据一定的方法(相关性大小)进行分类,分好类之后进行统一处理。 在有关“症状群”文献中,我们会根据用安德森症状评估量表(MDASI-C)、肺癌特异性症状模块等去收集肺癌患者的症状表现,结果如下: (图源文献) 以上就是肺癌患者用症状量表收集之后得到的症状表现的结果。根据上面的结果,我们可以知道,肺癌患者相关症状的发生率和严重程度。 接下来,我们就可以利用因子分析去探索症状之间的相关性,根据相关性进行分类。分类之后,我们发现: (图源文献) 探索性因子分析采用主轴因子法和最大斜交旋转法。提取出特征值>1的4个因子,因子载荷≥0.4的症状纳入症状群。根据各症状群的组成,将其分别命名为情绪-睡眠症状群(因子1)、上消化道症状群(因子2)、呼吸道症状群(因子3)、肺癌特异性症状群(因子4),见上图。 ①情绪-睡眠症状群包括苦恼、悲伤感、睡眠不安、嗜睡。 ②上消化道症状群包括恶心和呕吐。 ③呼吸道症状群包括胸闷和气短。 ④肺癌特异性症状群包括咳嗽和咳痰。 今天先给大家梳理一下因子分析的思路。下一期,我们将详细讲解因子分析的具体操作过程。 敬请期待!
|
|
来自: Nursing小班长 > 《待分类》