因子旋转方法（方差最大，最小限度等）-名称含义是什么，这些方法是做什么的？

因子分析有几种旋转方法，例如方差，夸脱，最大等方，promax，oblimin等。我找不到任何将其名称与其实际数学或统计数据相关联的信息。为什么称其为“最大最大”或“最大最大”？轴或矩阵以哪种方式旋转，因此它们具有这样的名称？

不幸的是，它们大多数是1950年代至1970年代发明的，因此我无法联系他们的作者。

这个答案成功这在因素分析旋转一般问题（请阅读），并简要介绍了一些具体的方法。

$\bf Q$$\bf A$$\bf AQ=S$$\bf S$$\bf S$

$\bf S$：“简化”加载矩阵的行。但是quartimax通常会产生所谓的“一般因子”（在大多数情况下，FA对变量FA而言是不可取的；我认为，对受访者的所谓Q模式FA更为可取）。

$\bf S$。Varimax直接“简化”加载矩阵的列，从而极大地促进了因子的可解释性。在加载图中，点沿因子轴分布得很宽，并且趋向于将自己极化为接近零和远离零。该特性似乎在一定程度上满足了Thurstones简单结构的要求。但是，Varimax不能安全地产生远离轴的点，也就是说，“复杂”变量的加载量高出一个以上因子。这是不好还是可以，取决于研究领域。Varimax在结合所谓的Kaiser规范化的情况下通常表现良好（在旋转时暂时均衡社区），建议始终将其与varimax一起使用（并建议也将其与任何其他方法一起使用）。它是最流行的正交旋转方法，尤其是在心理学和社会科学领域。

Equamax（很少有，Equimax）正交旋转可以看作是一种增强varimax特性的方法。它是为了进一步改进而发明的。均衡是指Saunders（1962）将特殊加权引入算法的工作公式中。Equamax会针对旋转因子的数量进行自我调整。与varimax相比，它倾向于在变量之间更均匀地分布变量（高负载），因此更不容易给出“一般”因子。另一方面，equamax并不是为了放弃quartimax简化行的目的而设计的。equamax是varimax和quartimax的组合比它们之间的 但是，据称equamax比varimax或quartimax的“可靠”或“稳定”要小得多：对于某些数据，它可以提供灾难性的坏解决方案，而对于其他数据，它可以用简单的结构给出完全可解释的因素。一种类似于equamax的方法，甚至更追求简单结构的方法，称为parsimax（“最大化简约性”）（有关讨论，请参见Mulaik，2010）。

很抱歉，现在停止并没有回顾倾斜的方法-oblimin（带有“最小化”标准的“ oblique”）和promax（在vari max之后不受限制的pro旋转）。倾斜的方法可能需要更长的段落来描述它们，但是我今天没有计划任何长的答案。答案的脚注5中提到了这两种方法。我可能会请您参考Mulaik，因子分析基础（2010）；哈曼经典著作《现代因素分析》（1976年）；以及搜索时在互联网上弹出的所有内容。

另请参见在因子分析中varimax和oblimin旋转之间的差异；SPSS因子分析中的“ varimax”是什么意思？

旋转方法以“简化”因子负载为目标优化了启发式功能。可以用许多不同的方式定义简单性。最常用的是Thurnstone [2]：稀疏性，列简单性和简约性，行简单性（或复杂性）。大多数轮换准则都针对这两个准则中的一个或两个，但它们的名称并不是很重要。

准则系列中包含单个准则：最全面的准则是Crawford-Ferguson准则，它与正交旋转的Orthomax家族等效。这些系列权衡了由不同参数控制的两个简单性要求。通过更改这些参数，可以获得几乎所有已知的旋转标准。Browne纸是旋转方法的绝佳且易于使用的概述。

[1] M. Browne，探索性因素分析中的分析旋转概述，《多元行为研究》 36（2001），第111–150页。

[2] L. Thurstone，多因素分析，芝加哥大学出版社，1947年