Como las saturaciones, pesos o cargas factoriales de cada variable en cada
factor (elementos de la matriz factorial), se representan por las proyecciones ortogonales de cada variable en cada factor, la cuarta variable se explica fuertemente y de forma positiva por el primer factor (proyección positiva grande de X’ 4 sobre F1), mientras que se representa poco y en sentido negativo por el segundo factor (proyección negativa pequeña de X’4 sobre F2). De la misma forma, la primera y segunda variables se explican fuertemente y de forma positiva por el segundo factor, y se explican poco y de forma positiva por el primer factor. La tercera variable se explica de igual forma por el primero y segundo factor. Puede ocurrir que al realizar esta representación geométrica del modelo factorial, las proyecciones de la mayoría de las variables sobre los factores no sean lo suficientemente grandes como para que la interpretación del modelo resulte adecuada. Si la representación geométrica resulta difusa, se puede realizar una rotación de los factores que clarifique las proyecciones de las variables sobre ellos. Nos introducimos así en el campo de las rotaciones factoriales, que se explicarán con más detalle en los siguientes apartados. Con una rotación factorial se transforma una solución factorial inicial en otro tipo de solución preferida. Tal transformación va encaminada a poner de manifiesto la solución de la manera más convincente y clara para su interpretación científica. Teóricamente puede justificarse la interpretación vectorial realizada aquí por el hecho de que el conjunto de variables aleatorias sobre una población dotado de las operaciones de suma y producto por un escalar, tiene estructura de espacio vectorial. Las variables con varianza finita y esperanza nula forman un subespacio vectorial del anterior en el cual la covarianza Cov(X,Y) es un producto escalar que define una norma dada por la varianza y un ángulo entre vectores cuyo coseno es el coeficiente de correlación. TÉCNICAS DE ANÁLISIS MULTIVARIANTE DE DATOS 182 ROTACIÓN DE LOS FACTORES El trabajo en el análisis factorial persigue que los factores comunes tengan una interpretación clara, porque de esa forma se analizan mejor las interrelaciones existentes entre las variables originales. Sin embargo, en muy pocas ocasiones resulta fácil encontrar una interpretación adecuada de los factores, iniciales, con independencia del método que se haya utilizado para su extracción. Precisamente los procedimientos de rotación de factores se han ideado para obtener, a partir de la solución inicial, unos factores que sean fácilmente interpretables. En la solución inicial cada uno de los factores comunes están correlacionados en mayor o menor medida con cada una de las variables originales. Pues bien, con los factores rotados se trata de que cada una de las variables originales tenga una correlación lo más próxima a 1 que sea posible con uno de los factores y correlaciones próximas a 0 con el resto de los factores. De esta forma, y dado que hay más variables que factores comunes, cada factor tendrá una correlación alta con un grupo de variables y baja con el resto de variables. Examinando las características de las variables de un grupo asociado a un determinado factor se pueden encontrar rasgos comunes que permitan identificar el factor y darle una denominación que responda a esos rasgos comunes. Si se consigue identificar claramente estos rasgos, se habrá dado un paso importante, ya que con los factores comunes no sólo se reducirá la dimensionalidad del problema, sino que también se conseguirá desvelar la naturaleza de las interrelaciones existentes entre las variables originales. Existen dos formas básicas de realizar la rotación de factores: rotación ortogonal y rotación oblicua. En la rotación ortogonal, los ejes se rotan de forma que quede preservada la incorrelación entre los factores. Dicho de otra forma, los nuevos ejes, o ejes rotados, son perpendiculares de igual forma que lo son los factores sin rotar. Por esta restricción, a la rotación ortogonal se le denomina también rotación rígida. Entre los diversos procedimientos de rotación ortogonal el denominado método Varimax es el más conocido y aplicado. Los ejes de los factores del método Varimax se obtienen maximizando la suma de varianzas de las cargas factoriales al cuadrado dentro de cada factor. Existen otros métodos de rotación ortogonal de los factores menos utilizados, como son el método Equamax y el método Quartimax. En la rotación oblicua los ejes no son ortogonales y los factores ya no estarán incorrelacionados, con lo que se pierde una propiedad que en principio es deseable que cumplan los factores. Sin embargo, en ocasiones puede compensarse esta pérdida, si, a cambio, se consigue una asociación más nítida de cada una de las variables con el factor correspondiente. El método de rotación oblicua más conocido es el denominado Oblimin, existiendo otros menos utilizados como el Oblimax, Promax, Quartimin , Biquartimin y Covarimin, algoritmos que permiten controlar el grado de no ortogonalidad. Conviene advertir que tanto en la rotación ortogonal,