因子分析的正交旋转与斜交旋转对比.docxVIP

因子分析的正交旋转与斜交旋转对比

引言

在多元统计分析中，因子分析是探索变量间潜在结构的重要工具。当通过主成分法或极大似然法提取公因子后，初始的因子载荷矩阵往往难以直接解释——变量在多个因子上的载荷可能接近，导致因子含义模糊。此时，因子旋转成为关键步骤。旋转的本质是通过坐标变换调整因子轴的位置，使因子载荷矩阵更清晰，便于研究者识别每个因子所代表的实际意义。

因子旋转主要分为正交旋转与斜交旋转两大类。二者的核心差异在于对因子间相关性的假设：正交旋转要求因子轴保持垂直（即因子间不相关），而斜交旋转允许因子轴任意角度倾斜（因子间可能相关）。这种差异不仅影响数学推导过程，更会直接改变因子结构的解释逻辑和应用场景。本文将从旋转原理、方法特征、结果差异及应用选择四个维度展开对比，帮助读者深入理解两种旋转方式的本质区别与适用条件。

一、因子旋转的基本逻辑与核心目标

（一）因子旋转的必要性

因子分析的核心是用少数公因子解释原始变量的大部分变异。初始公因子的提取依赖数学最优解（如主成分法追求方差最大化），但这些因子可能缺乏实际意义。例如，在心理问卷分析中，初始因子可能同时载荷“情绪稳定性”“社交主动性”等不同维度的题目，导致研究者无法明确因子代表的心理特质。

旋转的目标是通过线性变换调整因子轴的位置，使每个变量在尽可能少的因子上有高载荷（即“简单结构”）。简单结构的理想状态是：每个变量仅在一个因子上