요인 분석 플랫폼에서 회전은 요인을 더 쉽게 해석할 수 있도록 요인의 기준 축을 변경하는 데 사용됩니다. 데이터에서 추출된 요인에 회전이 적용됩니다. 회전 방법은 다양한 복잡성 또는 단순성 함수를 기반으로 합니다. 회전에 대한 자세한 내용은 SAS Institute Inc. (2023c)의 "FACTOR Procedure" 장, Browne(2001) 또는 Frank & Todeschini(1994)에서 확인하십시오.
초기 추출 후에는 요인 간에 상관관계가 없습니다. 직교 변환에 의해 요인이 회전하는 경우 회전된 요인도 상관관계가 없습니다. 사각 변환에 의해 요인이 회전하는 경우 회전된 요인은 상관관계를 가집니다. 사각 회전이 직교 회전보다 해석 가능한 요인을 더 많이 생성합니다. 그러나 요인이 상관되면 변수를 설명할 때 요인 중요도를 결정하는 명확한 측도가 없어집니다.
Varimax
모든 변수에 대해 요인 적재 제곱의 분산 합계를 최대화합니다. 가장 일반적인 이 방법을 사용하면 각 요인에 대한 각 변수의 적재 값이 작거나 커집니다. g = 1인 Orthomax와 같습니다.
Biquartimax
Varimax 및 Quartimax 회전의 균등 가중 해입니다. g = 0.5인 Orthomax와 같습니다.
Equamax
Varimax 회전과 Quartimax 회전 사이의 가중 해입니다. g = N/2인 Orthomax와 같습니다(N = 요인 수).
Factorparsimax
요인 복잡성을 최소화하는 것이 목표인 해입니다. 변수 복잡성은 알고리즘에서 고려되지 않으므로 이 방법을 사용하면 교차 적재가 발생할 수 있습니다. g = N인 Orthomax와 같습니다(N = 요인 수).
Orthomax
가중치가 g로 표시되는 일반적인 가중 회전 방법입니다. 대부분의 특정 직교 회전 방법은 특정 g를 사용하는 Orthomax 회전입니다.
Parsimax
변수와 요인 복잡성 간에 균형을 맞춥니다. g = (I(N-1))/(I+N-2)인 Orthomax와 같습니다(I = 항목 수, N = 요인 수).
Quartimax
각 변수를 설명하는 데 필요한 요인 수를 최소화합니다. g = 1인 Orthomax와 같습니다.
Biquartimin
공분산 비율을 최소화하기 위한 회전입니다. t = 0.5인 Oblimin과 같습니다.
Covarimin
사각 Varimax 회전입니다. t = 1인 Oblimin과 같습니다.
Obbiquartimax
사각 Biquartimax 회전입니다.
Obequamax
사각 Equamax 회전입니다.
Obfactorparsimax
사각 요인 Parsimax 회전입니다.
Oblimin
가중치가 t로 표시되는 일반적인 가중 사각 회전 방법입니다. 대부분의 특정 사각 회전 방법은 특정 t를 사용하는 Oblimin 회전입니다.
Obparsimax
사각 Parsimax 회전입니다.
Obquartimax
사각 Quartimax 회전입니다(Quartimin 방법과 동등).
Obvarimax
사각 Varimax 회전입니다.
Quartimin
사각 Quartimin 회전입니다(사각 Quartimax와 동등). t = 0인 Oblimin과 같습니다.
Promax
Varimax를 먼저 수행한 후 Procrustes 회전을 사용하여 간단한 구조를 얻는 2단계 회전입니다. 이 방법은 Oblimin 대신 사용할 수 있으며 계산이 효율적입니다.