यह उत्तर कारक विश्लेषण में रोटेशन पर इस सामान्य प्रश्न को सफल करता है (कृपया इसे पढ़ें) और संक्षेप में कई विशिष्ट तरीकों का वर्णन करता है।
क्यूएअ Q = सSS
S: यह लोडिंग मैट्रिक्स की पंक्तियों को "सरल" करता है। लेकिन क्वार्टिमैक्स अक्सर तथाकथित "सामान्य कारक" पैदा करता है (जो कि ज्यादातर समय एफए चर में वांछनीय नहीं है; यह अधिक वांछनीय है, मेरा मानना है, उत्तरदाताओं के तथाकथित क्यू-मोड एफए में)।
S। वरीमैक्स सीधे लोडिंग मैट्रिक्स के कॉलम को "सरल" करता है और इसके द्वारा यह कारकों की व्याख्या की सुविधा को बहुत सुविधाजनक बनाता है। लोडिंग प्लॉट पर, अंक एक कारक अक्ष के साथ विस्तृत होते हैं और खुद को निकट-शून्य और दूर-से-शून्य में ध्रुवीकृत करते हैं। यह संपत्ति थर्स्टोन्स की सरल संरचना बिंदुओं के मिश्रण को एक हद तक संतुष्ट करती है। हालांकि, वैरीमैक्स कुल्हाड़ियों से दूर स्थित उत्पादन बिंदुओं से सुरक्षित नहीं है, अर्थात "जटिल" चर एक से अधिक कारकों द्वारा लोड किए गए हैं। यह खराब है या ठीक है यह अध्ययन के क्षेत्र पर निर्भर करता है। Varimax तथाकथित कैसर के सामान्यीकरण के साथ संयोजन में ज्यादातर अच्छा प्रदर्शन करता है(घूर्णन करते समय अस्थायी रूप से सांप्रदायिकता को बराबर करना), यह सलाह दी जाती है कि इसे हमेशा वैरिमैक्स के साथ उपयोग करें (और इसे किसी अन्य विधि के साथ भी उपयोग करने की सिफारिश की जाए)। यह सबसे लोकप्रिय ऑर्थोगोनल रोटेशन विधि है, विशेष रूप से साइकोमेट्री और सामाजिक विज्ञान में।
इक्वामेक्स (शायद ही कभी, इक्विमेक्स) ऑर्थोगोनल रोटेशन को वैरिमैक्स के कुछ गुणों को तेज करने वाली विधि के रूप में देखा जा सकता है। इसे और बेहतर बनाने के प्रयास में इसका आविष्कार किया गया था। Equa lization एक विशेष भार को संदर्भित करता है जिसे Saunders (1962) ने एल्गोरिथम के एक कार्य सूत्र में पेश किया। इक्वामैक्स स्वयं को घुमाए जाने वाले कारकों की संख्या के लिए समायोजित करता है। यह वैरिएक्स की तुलना में अधिक समान रूप से चर (अत्यधिक लोड) वितरित करने के लिए जाता है और इस प्रकार "सामान्य" कारक देने के लिए कम प्रवण होता है। दूसरी ओर, इक्वामैक्स की कल्पना नहीं की गई थी ताकि क्वैटीमैक्स का उद्देश्य पंक्तियों को सरल बनाया जा सके; इक्वैमेक्स बल्कि वरीमैक्स और क्वार्टिमैक्स का संयोजन हैउनके बीच में से। हालांकि, इक्वामैक्स को वैरिमैक्स या क्वार्टिमैक्स की तुलना में काफी कम "विश्वसनीय" या "स्थिर" होने का दावा किया जाता है: कुछ आंकड़ों के लिए यह विनाशकारी रूप से खराब समाधान दे सकता है जबकि अन्य डेटा के लिए यह सरल संरचना के साथ पूरी तरह से व्याख्यात्मक कारक देता है। एक और विधि, समान संरचना की तरह और यहां तक कि सरल संरचना की तलाश में और अधिक उद्यम को पारसीमैक्स (" मैक्सिमाइज़िंग पार्सिमोनी ") कहा जाता है (चर्चा के लिए मुलिक, 2010 देखें)।
- मैं अब और नहीं रोक परोक्ष तरीकों की समीक्षा करने के लिए माफी चाहता हूँ oblimin ( "परोक्ष" "कम से कम" एक कसौटी के साथ) और promax (अप्रतिबंधित समर्थक crustes vari घुमाव के बाद अधिकतम )। तिरछा तरीकों की आवश्यकता होगी कि उनका वर्णन करने के लिए शायद अधिक लंबे पैराग्राफ हों, लेकिन मैंने आज किसी भी लंबे उत्तर की योजना नहीं बनाई है। इस उत्तर के फुटनोट 5 में दोनों विधियों का उल्लेख किया गया है । मैं आपको मुलिक, फैक्टर एनालिसिस की नींव (2010); क्लासिक ओल्ड हरमन की पुस्तक आधुनिक कारक विश्लेषण (1976); और जब भी आप खोज करते हैं तो इंटरनेट में जो कुछ भी आता है।
यह भी देखें कि कारक विश्लेषण में वेरिमैक्स और तिरछी घुमाव के बीच अंतर ; SPSS कारक विश्लेषण में "वैरिमैक्स" का क्या अर्थ है?