因子分析中正交旋转与斜交旋转的效果比较.docxVIP

因子分析中正交旋转与斜交旋转的效果比较

一、引言

因子分析作为多元统计分析的核心方法之一，旨在通过降维技术将观测变量背后的潜在因子提取出来，从而简化数据结构并揭示变量间的内在关联。在因子分析的实际操作中，提取初始公因子后往往需要进行因子旋转（FactorRotation），其核心目的是通过坐标变换使因子载荷矩阵更符合“简单结构”（SimpleStructure）假设，即每个观测变量仅在少数几个因子上有显著载荷，其余因子载荷趋近于零，从而提升因子的可解释性（Thompson,2004）。

因子旋转方法主要分为正交旋转（OrthogonalRotation）与斜交旋转（ObliqueRotation）两大类。二者的根本区别在于对因子间相关性的假设：正交旋转强制要求因子轴保持正交（即因子间相关系数为0），而斜交旋转允许因子轴间存在一定夹角（即因子间可能相关）。这一假设差异直接影响因子结构的解释效果与模型的实际适用性。本文将围绕两种旋转方法的作用机制、效果差异及应用场景展开系统比较，为研究者合理选择旋转方法提供理论依据与实践参考。

二、因子旋转的核心目标与基础原理

因子分析的最终目标是通过少数潜在因子解释观测变量的大部分变异。初始公因子提取（如主成分分析、极大似然法）得到的因子虽然数学上最优，但载荷矩阵往往难以直接解释——变量可能在多个因子上均有中等程度的载荷，导致因子含义模糊（