因子分析中旋转方法对因子载荷的影响.docxVIP

因子分析中旋转方法对因子载荷的影响

一、引言

因子分析作为多元统计分析的核心工具之一，广泛应用于心理学、社会学、经济学等领域，其核心目标是通过少数几个潜在因子（公共因子）解释观测变量间的复杂关联，从而简化数据结构（Hairetal.,2014）。在因子分析的实施过程中，因子载荷矩阵是连接观测变量与潜在因子的关键桥梁——它反映了每个变量在各因子上的“贡献程度”，数值绝对值越大，表明该变量与对应因子的关联性越强（Gorsuch,1983）。然而，初始因子解（未经旋转的因子载荷矩阵）往往存在“模糊性”：部分变量在多个因子上的载荷值接近，导致研究者难以明确每个因子的实际含义（CostelloOsborne,2005）。此时，旋转方法的引入成为解决这一问题的关键——通过对因子轴进行几何变换，调整因子载荷的分布模式，使结果更符合实际解释需求。本文将系统探讨不同旋转方法对因子载荷的具体影响，为研究者合理选择旋转策略提供理论支撑。

二、因子分析与因子载荷的基础认知

（一）因子分析的核心逻辑与因子载荷的定义

因子分析的基本假设是：观测变量的变异可分解为公共因子（多个变量共享的潜在维度）和独特因子（仅属于某一变量的特有变异）两部分。数学上，每个观测变量(X_i)可表示为(X_i=a_{i1}F_1+a_{i2}F_2++a_{im}F_m+i)，其中(