En el análisis de factor, que es un método de reducción de un gran número de variables en un número menor de " factores , " diferentes métodos de " rotación " se pueden utilizar para encontrar patrones en los datos . Cada uno lleva diferentes supuestos sobre los datos. Así que elegir el método correcto de rotación es crucial para hacer más fácil los datos para entender . Rotación ortogonal
En una rotación ortogonal , los factores producidos no están correlacionados , lo que hace que las soluciones que produce más fácil de interpretar . En la edición de julio de 2005 "Evaluación Práctica, Investigación y Evaluación , " Anna B. Costello y Jason W. Osborne informó que la rotación ortogonal se utiliza en más de la mitad de los estudios en una encuesta de la base de datos PsycINFO . Esto es posiblemente debido ortogonal es el valor predeterminado en la mayoría de los programas de análisis estadístico , pero a menudo no es el método más apropiado .
Variables en un análisis factorial suelen estar conectados de alguna manera. En las ciencias sociales , por ejemplo , se espera que la correlación entre los factores porque los investigadores rara vez se estudian un gran número de aspectos totalmente independientes de la conducta humana , al mismo tiempo . Si se relacionan las variables , rotación oblicua debe utilizarse en su lugar.
Las tres formas de uso común de rotación ortogonal varimax son , quartimax y equamax .
Rotación Varimax
< br >
rotación Varimax es el método más común de rotación ortogonal . Se maximiza la varianza de factores a través de las variables , lo que produce una solución más simple . Esta es la configuración por defecto en la mayoría de los programas estadísticos como paquete estadístico para las Ciencias Sociales ( SPSS) y Sistemas de Análisis Estadístico ( SAS ) .
Quartimax rotación
< p> rotación Quartimax también es ortogonal , pero menos de uso común . Se reduce al mínimo la varianza de factores a través de las variables , que produce un menor número de factores , y las variables tienen más probabilidades de ser asociado con más de un factor . Esto hace que la solución más compleja y difícil de interpretar .
Equamax rotación
rotación equamax no maximizar o minimizar la varianza de los factores más de las variables . Los resultados están en algún lugar entre los resultados de la rotación varimax y quartimax .
Oblique rotación
rotación oblicua permite que los factores producidos para correlacionar . Debido a esto , la interpretación de la solución es ligeramente más complicado que con la rotación ortogonal . Si se espera que los factores que correlacionan , sin embargo , a continuación, rotación oblicua es la elección adecuada y dará resultados más precisos.
Algunas formas de uso común de rotación oblicua son oblimin , Promax y rotación quartimin directa. Como se señaló Costello y Osborne , sin embargo, todos ellos producen resultados similares, y la configuración predeterminada de los programas estadísticos son aceptables para su uso.
