En estadística , se utiliza una rotación varimax para simplificar la expresión de un subespacio particular en términos de solo unos pocos elementos principales cada uno. El sistema de coordenadas real no cambia, es la base ortogonal la que se rota para alinearse con esas coordenadas. El subespacio encontrado con el análisis de componentes principales o análisis factorial se expresa como una base densa con muchos pesos distintos de cero, lo que dificulta su interpretación. Varimax se llama así porque maximiza la suma de las varianzas de las cargas al cuadrado (correlaciones al cuadrado entre variables y factores). Preservar la ortogonalidad requiere que sea una rotación que deje el subespacio invariante. Intuitivamente, esto se logra si, (a) cualquier variable dada tiene una carga alta en un solo factor pero cargas cercanas a cero en los factores restantes y si (b) cualquier factor dado está constituido por solo unas pocas variables con cargas muy altas en este factor mientras que las variables restantes tienen cargas cercanas a cero en este factor. Si se cumplen estas condiciones, se dice que la matriz de carga factorial tiene una "estructura simple", y la rotación varimax acerca la matriz de carga a esa estructura simple (tanto como lo permitan los datos). Desde la perspectiva de los individuos medidos en las variables, la rotación varimax busca una base que represente de la manera más económica a cada individuo, es decir, cada individuo puede describirse bien mediante una combinación lineal de solo unas pocas funciones base.
Una forma de expresar formalmente el criterio varimax es la siguiente:
Sugerido por Henry Felix Kaiser en 1958, [1] es un esquema popular para la rotación ortogonal (donde todos los factores permanecen sin correlación entre sí).
En este artículo sobre análisis factorial se presenta un resumen del uso de la rotación varimax y de otros tipos de rotación de factores .
Este artículo incorpora material de dominio público del Instituto Nacional de Estándares y Tecnología.
