Dm Kb
Факторный анализ называется анализом потому как анализировать помогает )) Может быть если вы будите смотреть на него просто как способ снизить размерность по вариации, то вам станет проще с ним работать?
И по поводу корреляции мнение следующее - используйте SVD или PCA на базе SVD т.к. в этих методах производится разложение матрицы по ортогональному базису: если у вас будет сингулярность, то она просто вам обнулит одно из значений вектора собственных чисел... не уверен, что понятно написал(((
Ну и с житейской точки зрения, если у вас 100% корреляции, то это значит, что у вас два входящих предиктора, которые являются одним и тем же, но видимо имеют разную размерность. Ну например длинна детали в мм и в см. Зачем вам такие вещи вообще в модель включать?
Спасибо. Буду пробовать PCA. Единственное, что смущает: может так быть, что факторный анализ находит то, что pca не видит?
@Gregory_Demin я количество факторов сильно меньше ставлю. Грубо говоря 100 кейсов -> 3 фактора
