Відповіді:
У вас тут є кілька питань. Почнемо з різниці між PCA та Factor Analysis (FA). PCA дає вам перетворення оригінальних змінних у новий набір, які є взаємно ортогональними. Перший новий компонент максимізує дисперсію. PCA відповідає на питання: "Яка лінійна комбінація моїх змінних має найбільшу дисперсію? (За умови нормалізації ваг)".
FA починається з моделі про те, як пов’язані між собою змінні та звідки в даних походять варіації. Ця модель передбачає, що коваріаційна матриця матиме певний формат. Ключова ідея тут - латентна змінна (або фактор). Ці фактори вважаються такими, що пояснюють цікаві зміни, що спостерігаються у вибірці, та аналіз спроб їх отримання. Факторний аналіз можна здійснити за допомогою різних методів - і один з них включає проведення PCA на шляху до рішення. Але це все. Насправді вам не потрібно робити PCA, щоб отримати FA.
Найбільш заплутано, SPSS пропонує свою програму PCA з того самого меню аналізу, що і аналіз дослідницьких факторів, тим самим заохочуючи у початківців помилкове уявлення про те, що ці методи однакові. Філософія, що стоїть за ними, зовсім інша.
Варимакс і Облімін. Факторний аналіз насправді відповідає на питання: "Якщо мої дані з його p змінними говорять, насправді походять з aq розмірного простору (q <p) та додавання шуму, що це за q розмірний простір?" На практиці алгоритми не тільки дають вам розмірний простір q, вони також дають основу для цього простору (це фактори). Але ця основа може бути не найкращим способом зрозуміти розмірний підпростір q. Методи обертання факторів зберігають підпростір і дають вам іншу основу для нього. Varimax повертає ортогональні фактори; Oblimin дозволяє факторам не бути ортогональними.
В ідеалі, ми хотіли б, щоб фактори, які завантажують "все або нічого" на оригінальні змінні ... як у "Питаннях 1 - 5 опитування, всі стосуються ставлення до влади; питання 6-10 - усі стосуються почуття справедливості". Ви хочете, щоб коефіцієнти коефіцієнтів були великими або 0. Методи обертання спрямовані на це. Ідея полягає у наданні вам факторів, які легше інтерпретувати. Oblimin виконує "кращу" роботу, враховуючи, що не потрібно змушувати результати бути ортогональними. З іншого боку, ідея факторів полягала в тому, що вони враховують різницю у вибірці ... якщо фактори співвідносяться, що пояснює взаємозв'язок між чинниками?
Для мене, я думаю, це, мабуть, найкраще потрапити з Varimax під час дослідницької ФА. Потім вивчіть можливі взаємозв'язки між чинниками у підтверджувальному факторному аналізі, який краще підходить до такого типу моделювання.
Зауважте, що SPSS як такий не робить підтверджуючого моделювання ФА або структурного рівняння. Для цього вам потрібно придбати надбудову Amos. Крім того, ви можете використовувати функції sem () або lavaan () в Р.