Varimax: lo que se gana, lo que se pierde
Hoy hablaremos de exploratory factorial analysis y en particular aprovecharé para dejar constancia de que dejo resuelta una duda que siempre me ha dado pereza resolver: qué se pierde —lo que se gana ya nos lo han contado por doquier— al realizar una rotación varimax.
Comencemos. Primero, voy a realizar un análisis factorial (exploratorio) basándome en ?varimax:
fa <- factanal( ~., 2, data = swiss, rotation = "none")
fa
# Call:
# factanal(x = ~., factors = 2, data = swiss, rotation = "none")
#
# Uniquenesses:
# Fertility Agriculture Examination Education Catholic Infant.Mortality
# 0.420 0.492 0.270 0.005 0.061 0.960
#
# Loadings:
# Factor1 Factor2
# Fertility -0.674 0.356
# Agriculture -0.648 0.297
# Examination 0.713 -0.471
# Education 0.997
# Catholic -0.178 0.953
# Infant.Mortality -0.104 0.169
#
# Factor1 Factor2
# SS loadings 2.419 1.373
# Proportion Var 0.403 0.229
# Cumulative Var 0.403 0.632
#
# Test of the hypothesis that 2 factors are sufficient.
# The chi square statistic is 20.99 on 4 degrees of freedom.
# The p-value is 0.000318Usando factanal he creado dos factores sobre el conjunto de datos swiss y he optado por no usar nigún tipo de rotación.
