因子分析中正交旋转与斜交旋转的适用性.docxVIP

因子分析中正交旋转与斜交旋转的适用性

引言

因子分析作为多元统计分析的核心方法之一，旨在通过降维技术揭示观测变量背后的潜在结构，广泛应用于心理学、社会学、管理学等领域。在因子分析的操作流程中，旋转（Rotation）是关键步骤——初始提取的公因子虽能解释大部分方差，但其载荷矩阵往往缺乏清晰的实际意义，难以直接对应现实中的理论概念。此时，旋转通过调整因子轴的位置，使因子载荷矩阵更符合“简单结构”（SimpleStructure）标准，即每个变量仅在少数因子上有高载荷，其余因子上载荷趋近于0，从而提升因子的可解释性（Thurstone,1947）。

在旋转方法中，正交旋转（OrthogonalRotation）与斜交旋转（ObliqueRotation）是最主流的两类技术。二者的根本差异在于对因子间相关性的假设：正交旋转强制因子保持独立（相关系数为0），斜交旋转则允许因子间存在相关性。这种假设的分歧直接影响因子结构的真实性与解释的合理性。然而，实践中许多研究者常默认选择正交旋转，或因对两种方法的适用条件缺乏清晰认知而导致结果偏差。因此，系统探讨正交旋转与斜交旋转的适用性，对提升因子分析结果的科学性具有重要意义。

一、正交旋转与斜交旋转的理论基础与核心差异

（一）正交旋转：基于因子独立假设的结构简化

正交旋转的数学本质是通过正交矩阵变换因子轴，变换后的因子保持正交（即不相关）。其