其餘EFA相關的包和其餘潛變量模型

• 其餘EFA相關模型
  

R包含了其餘許多對因子分析很是有用的軟件包。 FactoMineR包不只提供了 PCA 和 EFA 方法，還包含潛變量模型。它有許多此處咱們並無考慮的參數選項，好比數值型變量和類別型變量的使用方法

FAiR 包使用遺傳算法來估計因子分析模型，它加強了模型參數估計能力，可以不等式的約束條件 GPArotation 包則提供了許多因子旋轉方法。最後，還有 nFactors包，它提供了涌過來判斷因子數目的許多複雜方法

• 其餘潛變量模型
  

  EFA 只是統計中一種應用普遍的潛變量模型。R中還有其餘的潛變量模型，包括檢驗先驗知識的模型，處理混合數據類型（數值型和類別型）的模型，以及僅基於類別型多因素表的模型。

  在EFA中，可用數據來判斷須要提取的因子數以及含義。但可從一些先驗知識開始，好比變量背後有幾個因子、變量在因子上的載荷是怎麼樣的、因子間的相關性如何，而後通收集數據檢驗這些先驗知識。這種方法稱做 驗證性因子分析（CFA）

 CFA 是結構方程模型（SEM）中的一種方法。SEM 不只能夠假定潛在因子的數目以及組成，還能假定因子間的影響方式。可將 SEM 看作是驗證性因子分析（對變量）和迴歸分析（對因子）的組合，它的結果輸出包含統計檢驗和擬合度的指標。 R中有幾個可作 CFA 和 SEM 的很是優秀的軟件包，如 sem、openMx 和 lavaan。

  ltm 包可用量來擬合測驗和問卷衆各項目的潛變量模型。該方法經常使用來建立大規模標準測試，好比學術能力測驗（SAT）和美國研究生入學考試（GRE）

  潛類別模型（潛在的因子被認爲是類別型而非連續型）可經過 FlexMix、lcmm、randomLCA和poLCA包進行擬合。lcda包可作潛類別判別分析，而 lsa 可作潛在予語義分析--一種可以天然語言處理中的方法

  ca 包提供了可作簡單和多重對應分析的函數。利用這些函數，可分別在二維列聯表和多維列聯表中探索類別型變量的結構。

  最後，R中還包括了衆多的多維標度法（MDS）計算工具。所謂 MDS ，便可用來發現解釋類似性和可測對象（如國家）間距離的潛在維度。基礎安裝包中的 cmdscale（）函數可作經典的MDS，而 MASS 包中的 isoMDS() 函數可作非線性 MDS 。vagan 包則包含了可作兩種 MDS 的函數