Słownik metodologiczny · Analiza czynnikowa

Rotacja VARIMAX

Pełne wyjaśnienie, zastosowanie naukowe i praktyczne, przykład, dobre praktyki oraz gotowy zapis wyniku w APA 7.

Strona główna / Słownik / Rotacja VARIMAX

Co oznacza Rotacja VARIMAX?

VARIMAX jest konkretną rotacją ortogonalną maksymalizującą zróżnicowanie kwadratów ładunków w obrębie wymiarów.
Co odróżnia to pojęcie? VARIMAX jest konkretną rotacją ortogonalną maksymalizującą zróżnicowanie kwadratów ładunków w obrębie czynników. Dąży do rozwiązania, w którym każda zmienna ma wysoki ładunek na niewielu osiach, ale nadal wymusza zerowe korelacje czynników. Nazwa VARIMAX nie jest synonimem całej rodziny rotacji ortogonalnych. Wybór trzeba uzasadnić celem i wiarygodnością założenia o niezależności wymiarów.

Zastosowanie, warunki i dobre praktyki

Najważniejsze zastosowanie: Zastosuj VARIMAX jako konkretną rotację ortogonalną, gdy potrzebne są nieskorelowane wymiary i maksymalizacja zróżnicowania kwadratów ładunków w kolumnach.

VARIMAX jest ortogonalną rotacją maksymalizującą zróżnicowanie kwadratów ładunków w obrębie czynników, co ułatwia uzyskanie prostszej struktury. Stosuj ją tylko przy uzasadnionej niezależności czynników i zawsze podawaj, że korelacje między wymiarami zostały ustalone na zero.

Jak poprawnie stosować i interpretować hasło „Rotacja VARIMAX”?

Przy ocenie pojęcia „Rotacja VARIMAX” trzeba odróżnić redukcję danych od modelowania wspólnych przyczyn odpowiedzi. Przy ocenie hasła „Rotacja VARIMAX” następnie ustala się skalę wskaźników, macierz poddaną analizie, metodę ekstrakcji, sposób wyboru liczby wymiarów i rotację. W analizie dotyczącej hasła „Rotacja VARIMAX” interpretacja powinna wynikać z całego wzorca ładunków oraz treści pozycji, a nie tylko z najwyższej liczby w każdym wierszu.

Ocena pojęcia „Rotacja VARIMAX” obejmuje stabilność rozwiązania, ładunki krzyżowe, wspólności, korelacje czynników i zgodność z przewidywaną strukturą. Dla interpretacji hasła „Rotacja VARIMAX” reguła Kaisera lub sam wykres osypiska rzadko wystarczają; lepiej połączyć analizę równoległą, teorię i sprawdzenie modeli alternatywnych. W odniesieniu do hasła „Rotacja VARIMAX” usuwanie pozycji powinno zachowywać zakres treści konstruktu.

Co trzeba opisać w raporcie?

W opisie „Rotacja VARIMAX” należy podać rodzaj analizy, macierz wejściową, ekstrakcję, rotację, kryterium liczby wymiarów i liczebność próby. Przy ocenie hasła „Rotacja VARIMAX” tabela powinna zawierać właściwe ładunki, informację o ładunkach krzyżowych i wspólnościach, a tekst — uzasadnienie nazw czynników oraz każdej zmiany modelu.

Zakres raportowania dla hasła „Rotacja VARIMAX”: Raportuj VARIMAX jako konkretną rotację ortogonalną, podaj liczbę iteracji lub kryterium zbieżności, zakres ładunków i uzasadnienie zerowej korelacji wymiarów.

Przykład praktyczny i gotowa interpretacja

Sytuacja: VARIMAX zwiększył kontrast ładunków w dwóch nieskorelowanych składowych PCA; zastosowanie tej rotacji w EFA wymagałoby osobnego uzasadnienia braku korelacji czynników.

Jak ją zinterpretować: VARIMAX zwiększa kontrast ładunków przy zachowaniu prostopadłych osi. Nie dowodzi, że konstrukty są rzeczywiście niezależne; wybór rotacji trzeba uzasadnić teorią i porównać z rozwiązaniem ukośnym.

Najczęstsza pułapka i granica interpretacji

VARIMAX nie uzasadnia niezależności czynników; założenie ortogonalności musi wynikać z celu analizy i teorii, a nie z domyślnej opcji programu.

Rozwiązanie uzyskane dla „Rotacja VARIMAX” jest zależne od próby, zestawu pozycji i decyzji analitycznych. Dla interpretacji hasła „Rotacja VARIMAX” nadanie czynnikowi nazwy nie dowodzi jego trafności ani nie zastępuje replikacji struktury.

Definicje, zalecenia interpretacyjne i sposób raportowania oparto na literaturze metodologicznej wskazanej w bibliografii (Fabrigar et al., 1999).

Powiązane hasła

Poradniki, w których użyjesz tego pojęcia

Potrzebujesz wsparcia w analizie danych?

Wybierz ofertę dopasowaną do pracy dyplomowej albo profesjonalnego projektu naukowego.

Oferta dla badaczyOferta dla studentów

Bibliografia i dalsza literatura naukowa (APA 7)

  1. Fabrigar, L. R., Wegener, D. T., MacCallum, R. C., & Strahan, E. J. (1999). Evaluating the use of exploratory factor analysis in psychological research. Psychological Methods, 4(3), 272–299. https://doi.org/10.1037/1082-989X.4.3.272
  2. Hayton, J. C., Allen, D. G., & Scarpello, V. (2004). Factor retention decisions in exploratory factor analysis: A tutorial on parallel analysis. Organizational Research Methods, 7(2), 191–205. https://doi.org/10.1177/1094428104263675
  3. McNeish, D. (2018). Thanks coefficient alpha, we’ll take it from here. Psychological Methods, 23(3), 412–433. https://doi.org/10.1037/met0000144
  4. Dunn, T. J., Baguley, T., & Brunsden, V. (2014). From alpha to omega: A practical solution to the pervasive problem of internal consistency estimation. British Journal of Psychology, 105(3), 399–412. https://doi.org/10.1111/bjop.12046
  5. Jolliffe, I. T., & Cadima, J. (2016). Principal component analysis: A review and recent developments. Philosophical Transactions of the Royal Society A, 374(2065), 20150202. https://doi.org/10.1098/rsta.2015.0202
  6. Appelbaum, M., Cooper, H., Kline, R. B., Mayo-Wilson, E., Nezu, A. M., & Rao, S. M. (2018). Journal article reporting standards for quantitative research in psychology: The APA Publications and Communications Board task force report. American Psychologist, 73(1), 3–25. https://doi.org/10.1037/amp0000191

Cytowania BibTeX

@article{fabrigar1999efa, author={Fabrigar, Leandre R. and Wegener, Duane T. and MacCallum, Robert C. and Strahan, Erin J.}, title={Evaluating the use of exploratory factor analysis in psychological research}, journal={Psychological Methods}, year={1999}, volume={4}, number={3}, pages={272--299}, doi={10.1037/1082-989X.4.3.272}}
@article{hayton2004parallel, author={Hayton, James C. and Allen, David G. and Scarpello, Vida}, title={Factor retention decisions in exploratory factor analysis: a tutorial on parallel analysis}, journal={Organizational Research Methods}, year={2004}, volume={7}, number={2}, pages={191--205}, doi={10.1177/1094428104263675}}
@article{mcneish2018alpha, author={McNeish, Daniel}, title={Thanks coefficient alpha, we’ll take it from here}, journal={Psychological Methods}, year={2018}, volume={23}, number={3}, pages={412--433}, doi={10.1037/met0000144}}
@article{dunn2014omega, author={Dunn, Thomas J. and Baguley, Thom and Brunsden, Vivienne}, title={From alpha to omega: A practical solution to the pervasive problem of internal consistency estimation}, journal={British Journal of Psychology}, year={2014}, volume={105}, number={3}, pages={399--412}, doi={10.1111/bjop.12046}}
@article{jolliffe2016pca, author={Jolliffe, Ian T. and Cadima, Jorge}, title={Principal Component Analysis: A Review and Recent Developments}, journal={Philosophical Transactions of the Royal Society A}, year={2016}, volume={374}, number={2065}, pages={20150202}, doi={10.1098/rsta.2015.0202}}
@article{appelbaum2018jars, author={Appelbaum, Mark and Cooper, Harris and Kline, Rex B. and Mayo-Wilson, Evan and Nezu, Arthur M. and Rao, Stephen M.}, title={Journal article reporting standards for quantitative research in psychology}, journal={American Psychologist}, year={2018}, volume={73}, number={1}, pages={3--25}, doi={10.1037/amp0000191}}
R