Hoe lees ik de verklaarde variantie van een factor af in een tabel?

Question

Indien ik bij opdracht 1.3.2. een factoranalyse doe waarbij ik maar één factor trek (dit was niet de opgegeven opdracht , maar iets wat ik zelf eens uitprobeerde ter oefening);

a) Waar lees ik in de tabel dan de totale verklaarde variantie af? 

Ik dacht dit bij niet-geroteerde (onafhankelijke factoren) in de eerste kolom van verklaarde variantie moest zijn (36.069 dus in dit geval) en bij geroteerde factoren in de tweede kolom van verklaarde variantie (32.317 dus in dit geval)? Vermits het om maar één factor gaat zou ik denken in de eerste kolom (36.069 dus). Klopt dit?

b) Als ik maar één factor trek, is deze dan niet automatisch onafhankelijk en dus niet-geroteerd? Waarom staan er dan toch waarden in de tweede kolom? (Er zijn immers geen geroteerde factoren) En waarom wijken deze dan af van de waarden in de eerste kolom?

tabel output:

Total Variance Explained                        
Factor    Initial Eigenvalues                                Extraction Sums of Squared Loadings        
                Total    % of Variance    Cumulative %    Total    % of Variance    Cumulative %
1               5,771    36,069           36,069                   5,171     32,317          32,317
2    1,639    10,241    46,311            
3    1,276    7,974    54,285            
4    1,048    6,553    60,837            
5    ,910    5,690    66,527            
6    ,844    5,276    71,803            
7    ,702    4,385    76,188            
8    ,594    3,710    79,898            
9    ,586    3,661    83,559            
10    ,502    3,139    86,698            
11    ,490    3,061    89,759            
12    ,407    2,546    92,305            
13    ,390    2,435    94,740            
14    ,313    1,955    96,695            
15    ,281    1,757    98,452            
16    ,248    1,548    100,000            
Extraction Method: Principal Axis Factoring.                        

    

Answer 1

SPSS geeft in de eerste kolommen altijd de resultaten van een Principale Componenten Analyse PCA (deze komen ook in de scree-plot terecht), in de tweede staan de resultaten van de PFA. PCA optimliseert de verklaarde variantie (%var_PCA > %var_PFA). Met PFA worden correlaties beter voorspeld. Zie ook bron over factor-analyse.