TiredSquirrel's questions

Estou escrevendo uma função que usará a fa()função do pacote "psych". Quando fa()falhar na convergência, quero que minha função descarte os resultados e retorne um gráfico vazio que diga apenas "convergência falhou".

Descobri que fa() tem uma warnings=opção que fará com que ele imprima uma mensagem quando houver falha na convergência, mas não encontrei uma maneira de verificar programaticamente os resultados retornados por fa()para convergência.

Dentro da minha função, eu faço a chamada fa(...)passando quaisquer opções para ela que o usuário definiu ao chamar minha função. Então, os usuários podem estar usando diferentes métodos de extração de fatores, diferentes valores para max.iter, etc.

Ao usar o método de extração de fatores do Eixo Principal (por exemplo, fm='pa'), o objeto retornado por fa()inclui um vetor de valores produzidos por iterações chamado communality.iterations, então posso fazer isso:

results <- fa(...)

# Check for Principal Axis factor extraction failing to converge
fa_args <- list(...) # Capture whatever the user gave my function to pass to fa()
if('fm' %in% names(fa_args) && fa_args$fm=='pa') {
    max_iter <- ifelse('max.iter' %in% names(fa_args),fa_args$max.iter,50) # 50 is the default if not set
    if(length(results$communality.iterations)==max_iter) { # Handle convergence failure
       warning('Factor Analysis convergence failed for plot ',plot_title,'.',immediate.=T)
       return(ggplot() + theme_void() + labs(title=plot_title,subtitle='Convergence failed'))
    }
}

Mas isso abrange apenas um método de extração de fatores que o usuário pode selecionar e o faz de uma forma bastante complicada.

Existe uma maneira melhor de verificar fa()se há falha na convergência nos resultados?

Nota: Desculpe, não posso fornecer um exemplo reproduzível. Posso dizer pela documentação que outros métodos de extração de fatores, como máxima verossimilhança, podem falhar em convergir, mas não encontrei uma maneira de fazer isso acontecer. Aqui está uma tentativa que não conseguiu produzir um aviso sobre falha de convergência:

library('psych')

bad_corr <- matrix(0,nrow=50,ncol=50)
diag(bad_corr) <- 1
x <- fa(r=bad_corr,nfactors=8,fm='ml',warnings=T)

A melt()função do reshape2pacote tem um comportamento conveniente, pois converte uma matriz com linhas/colunas nomeadas em um quadro de dados de três colunas, com os nomes das linhas/colunas da matriz se tornando as duas primeiras colunas:

testmat <- matrix(1:25,nrow=5,dimnames=list(LETTERS[6:10],LETTERS[1:5]))
#   A  B  C  D  E
# F 1  6 11 16 21
# G 2  7 12 17 22
# H 3  8 13 18 23
# I 4  9 14 19 24
# J 5 10 15 20 25

longmat <- reshape2::melt(testmat)
head(longmat)
# Var1 Var2 value
#    F    A     1
#    G    A     2
#    H    A     3
#    I    A     4
#    J    A     5
#    F    B     6

Mas ele tem o comportamento irritante de fazer fatores Var1 e Var2, e não suporta uma stringsAsFactors=Fopção. O README para reshape2 diz "reshape2 foi aposentado: somente as mudanças necessárias para mantê-lo no CRAN serão feitas. Recomendamos usar tidyr em vez disso.", então parece improvável que esse comportamento seja alterado em melt().

Experimentei alternativas, mas ainda não encontrei nada que funcione:

• tidyr::pivot_longer()não aceitará uma matriz como entrada. Mesmo se eu forçar a matriz a se tornar um data.frame com tidyr::pivot_longer(as.data.frame(testmat),cols=all_of(colnames(testmat))), os nomes das linhas da matriz serão descartados em vez de capturados em uma coluna no resultado.
• data.table::melt()apenas redireciona para reshape2::melt().

Pergunta principal: Existe alguma outra função (tidyverse ou não tidyverse) que converterá uma matriz para o formato longo de maneira semelhante a reshape2::melt()?

Segunda pergunta: Tenho experimentado escrever o meu próprio. Há alguma "pegadinha" escondida que eu não tenha pensado que pode fazer a função abaixo produzir comportamentos inesperados/incorretos?

melt_by_hand <- function(mat) {
  return(data.frame(row=rep(rownames(mat),ncol(mat)),
                      col=rep(colnames(mat),each=nrow(mat)),
                      value=as.vector(mat)))
}