СПЕЦИАЛЬНАЯ ЛИТЕРАТУРА И КОМПЬЮТЕРНЫЕ ПРОГРАММЫ

а) Есть ли книги или статьи по факторному анализу, доступные начинающим?

По-видимому, нет. Большинство публикаций требует определенной технической подготовки. Вот наиболее простые работы: (Rummel, 1967; Schuessler, 1971; Cattell, 1952; Comrey, 1973; Fruchter, 1954).

б) Какие книги предназначены для последующего, более глубокого изучения?

(Harman, 1976; Mulaik, 1972; Lawley and Maxwell, 1971).

в) В каких журналах регулярно публикуются работы по факторному анализу?

Psychometrika; British Journal of Mathematical and Statistical Psychology; Educational and Psychological Measurement.

г) Какие существуют пакеты, прикладных программ, содержащие программы по факторному анализу?

SPSS; OSIRIS; SAS; BMD.

д) Есть ли какие-либо специализированные программы для задач факторного анализа?

Little Jiffy, Mark IV (Kaiser, 1974); Cofamm (Sorbom, Joreskog, 1976).

е) Где можно прочесть об основных результатах по моделированию?

Tucker, Koopman; Linn (1969); Browne (1968); Linn (1968); Hakstian (1971); Hakstian and Abell (1974).

ЛИТЕРАТУРА

ALWIN, D.F. (1973) “The use of factor analysis in the construction of linear composites in social research.” Sociological Methods and Research 2:191-214.

ANDERSON, T.W. and H. RUBIN (1956) “Statistical inference in factor analysis.” Proceedings of the Third Berkeley Symposium on Mathematical Statistics and Probability 5:111-150.

ASHER, H. (1976) Causal Modeling. Sage University Papers on Quantitative Applications in the Social Sciences, 07-003. Beverly Hills and London: Sage Pub.

BMDP-77: Biomedical Computer Programs (Р-Series). W.J.Dixon, Series Editor, M.B. Brown, Editor 1977 edition. Los Angeles: Univ. of California Press, 1977.

BARGMANN, R.E. (1957) A Study of Independence and Dependence in Multivariate Normal Analysis. Mimeo Series No. 186. Chapel Hill, N.C.: Institute of Statistics.

BARTLETT, M.S. (1937) “The statistical conception of method factors.” British Journal of Psychology 28:97-104.

BOCK,R.D. and R.E. BARGMANN (1966) “Analysis of covariance structure.” Psycho-metrika 31:507-534.

BOCK, R.D. and M. LIEBERMAN (1970) ’’Fitting a response model for N dichoto-mously scored items.” Psychometrika 26:347-372.

BOCK, R.D. and A.C. PETERSON (1975) “A multivariate correction for attenuation.” Biometrika 62:673-678.

BROWNE. M.W. (1968) ”A comparison of factor analytic techniques.” Psychometrika 33:267-334.

COFAMM: Confirmatory Factory Analysis with Model Modification User’s Guide. SOrbom, D. and Joreskog, K.G. Chicago: National Educational Resources, Inc., 1976.

CARROLL. J.B. (1953) “Approximating simple structure in factor analysis.” Psychometrika 18:23-38.

CARROLL, J.B. (1961) “The nature of data, or how to choose a correlation coefficient.” Psychometrika 26:347-372.

CATTELL, R.B. (1952) Factor Analysis. New York: Harper and Bros.

CATTELL, R.B. (1965) “Factor analysis: an introduction to essentials. (I) the purpose and underlying models, (II) the role of factor analysis in research.” Biometrics 21:190-215,405-435.

CATTELL, R.B. (1966) Handbook of Multivariate Experimental Psychology. Chicago: Rand McNally.

CATTELL, R.B. and J.L. MUERLE (1960) ’’The ‘maxplane’ program for factor rotation to oblique simple structure.” Educational and Psychological Measurement 20:269-290.

CHRISTOFFERSSON, A. (1975) ’’Factor analysis of dichotomized variables.” Psychometrika 40:5-32.

COMREY, A.L. (1973) A First Course in Factor Analysis. New York: Academic Press.

CRONBACH, L.J. (1951) “Coefficient alpha and the internal structure of tests.” Psychometrika 16:297-334.

DUNCAN, O.D. (1966) “Path analysis: sociological examples.” American Journal of Sociology 72:1-16.

EBER, H.W. (1966) “Toward oblique simple structure maxplane.” Multivariate Behavioral Research 1:112-125.

FRUCHTER, B. (1954) Introduction to Factor Analysis. New York: Van Nostrand.

GREEN, B.F., Jr. (1976) “On the factor score controversy.” Psychometrika41:263-266.

GUILFORD, J.P. (1977) “The invariance problem in factor analysis.” Educational and Psychological Measurement 37:11-19.

GUTTMAN, L. (1953) “Image theory for the structure of quantitative variates.” Psychometrika 18:227-296.

GUTTMAN, L. (1954) “Some necessary conditions for common factor analysis.” Psychometrika 19:149-161.

HAKSTIAN, A.R. (1971) “A comparative evaluation of several prominent methods of oblique factor transformation.” Psychometrika 36:175-193.

HAKSTIAN, A.R. and'R.A. ABELL (1974) “A further comparison of oblique factor transformation methods.” Psychometrika 39:429-444.

HARMAN, H.H. (1976) Modern Factor Analysis. Chicago: University of Chicago Press.

HARMAN, H.H. (in press) “Minres method of factor analysis,” in K. Enstein, A. Ralston, and H.S. Wilf (eds.> Statistical Methods for Digital Computers. New York: John Wiley.

HARMAN, H.H. and W.H. JONES (1966) “Factor analysis by minimizing residuals (Minres).” Psychometrika 31:351-368,

HARMAN, H.H. and Y. FUKUDA (1966) “Resolution of the Heywood case in the Minres solution.” Psychometrika 31:563-571.

HARRIS, C.W. (1962) “Some Rao-Guttman relationships.” Psychometrika 27:247-263.

HARRIS, C.W. (1967) “On factors and factor scores.” Psychometrika 32:363-379.

HARRIS, C.W. and H.F. KAISER (1964) “Oblique factor analytic solutions by orthogonal transformations.” Psychometrika 29:347-362.

HENDRICKSON, A.E. and P.O. WHITE (1964) “Promax: A quick method for rotation to oblique simple structure.” British Journal of Mathematical and Statistical Psychology 17:65-70.

HORN, J.L. (1965) “An empirical comparison of various methods for estimating common factor scores.” Educational and Psychological Measurement 25:313-322.

HORST, P. (1965) Factor Analysis of Data Matrices. New York: Holt Rinehart and Winston.

HOTELLING, H. (1933) “Analysis of a complex of statistical variables into principal components,” Journal of Education Psychology 24:417-441,498-520.

HOWE, W.G. (1955) Some Contributions to Factor Analysis. Report No. ORNL-1919. Oak Ridge, Tenn.: Oak Ridge National Laboratory. Ph.D. dissertation, University of North Carolina.

JENNRICH, R.I. (1970) “Orthogonal Rotation Algorithms.” Psychometrika 35:229-235.

JENNRICH, R.I. (1974) “Simplified formulae in standard errors in maximum likelihood factor analysis.” British Journal of Mathematical and Statistical Psychology 27:122-131.

JENNRICH, R.I. and P.F. SAMPSON (1966) “Rotation for simple loadings.” Psychometrika 3 1:313-323.

JORESKOG, K.G. (1963) Statistical Estimation in Factor Analysis: A New Technique and Its Foundation. Stockholm: Almquist and Wiksell.

JORESKOG, K.G. (1966) “Testing a simple structure hypothesis in factor analysis.” Psychometrika 31:165-178.

JORESKOG, K.G. (1967) “Some contributions to maximum likelihood factor analysis.” Psychometrika 32:443-482.

JORESKOG, K.G. (1969) “A general approach to confirmatory maximum likelihood factor analysis.” Psychometrika 34:183-202.

JORESKOG, K.G. (1970) “A general method for analysis of covariance structure.” Biometrika 57:239-251.

JORESKOG, K.G. (1976) Analyzing Psychological Data by Structural Analysis of Covariance Matrices. Research Report 76-9. University of Uppsala, Statistics Department.

JORESKOG, K.G. and D.N. LAWLEY (1968) “New methods in maximum likelihood factor analysis.” British Journal of Mathematical and Statistical Psychology 21:85-96.

KAISER, H.F. (1958) “The varimax criterion for analytic rotation in factor analysis.” Psychometrika 23:187-200.

KAISER, H.F. (1963) “Image analysis,” pp. 156-166 in C.W. Harris (ed.) Problems in Measuring Change. Madison: University of Wisconsin Press.

KAISER, H.F. (1970) “A second-generation Little Jiffy.” Psychometrika 35:401-415.

KAISER, H.F. (1974) “Little Jiffy, Mark IV.” Educational and Psychological Measurement 34:111-117.

KAISER, H.F. (1974) “An index of factorial simplicity.” Psychometrika 39:31-36.

KAISER, H.F. and J. CAFF RE Y (1965) “Alpha factor analysis.” Psychometrika 30: 1-14.

KIM, J.O. (1975) “Multivariate analysis of ordinal variables.” American Journal of Sociology 81:261-298.

KIM, J.O. and C.W. MUELLER (1976) “Standardized and unstandardized coefficients in causal analysis: An expository note.” Sociological Methods and Research 4:423-438.

KIM, J.O., N. NIE, and S. VERBA (1977) “A note on factor analyzing dichotomous variables: the case of political participation.” Political Methodology 4:39-62.

KIRK, D.B. (1973) “On the numerical approximation of the bivariate normal (tetra-choric) correlation coefficient.” Psychometrika 38:259-268.

LISREL III: Estimation of Linear Structural Equation Systems by Maximum Likelihood Methods. (User’s Guide). JOreskog, K.G. and Sorbom, D. Chicago: National 1 Educational Resources, Inc., 1976.

LITTLE JIFFY, MARK IV. (See Kaiser, 1974).

LABOVITZ, S. (1967) “Some observations on measurement and statistics.” Social Forces 46:151-160.

LABOVITZ, S (1970) “The assignment of numbers to rank order categories.” American Sociological Review 35:515-524.

LAND, K.O. (1969) “Principles of path analysis,” pp. 3-37 in E.F. Borgatta (ed.) Sociological Methodology. San Francisco: Jossey-Bass.

LAWLEY, D.N. (1940) “The estimation of factor loading by the method of maximum likelihood.” Proceedings of the Royal Society of Edinburgh 60:64-82.

LAWLEY, D.N. and MAXWELL, A.E. (1971) Factor Analysis as a Statistical Method. London: Butterworth and Co.

LEVINE, M.S. (1977) Canonical Analysis and Factor Comparison. Sage University Papers on Quantitative Applications in the Social Sciences, 07-006. Beverly Hills and London: Sage Pub.

LI, C.C. (1975) Path Analysis-A Primer. Pacific Grove, Calif.: Boxwood Press.

LINN,R.L. (1968) “A Monte Carlo approach to the number of factors jproblems.” Psychometrika 33:37-71.

LORD, F.M. and W.R. NOVICK (1968) Statistical Theories of Mental Test Scores. Reading, Mass.: Addison-Wesley.

MALINVAND, E. (1970) Statistical Methods of Econometrics. New York: Elsevier.

MAXWELL, A.E. (1972) “Thomson’s sampling theory recalled.” British Journal of Mathematical and Statistical Psychology 25:1-21.

McPONALD, R.P. (1970) “The theoretical foundations of principal factor analysis, canonical factor analysis, and alpha factor analysis.” British Journal of Mathematical and Statistical Psychology 23:1-21.

McDONALD, R.P. (1974) “The measurement of factor indeterminacy.” Psychometrika 39:203-221.

McDONALD, R.P. (1975) “Descriptive axioms for common factor theory, image theory and component theory.” Psychometrika 40:137-152.

McDONALD, R.P. (1975) “A note on Rippe’s test of significance in common factor analysis.” Psychometrika40:117-119.

McDONALD, R.P. and E.J. BURR (1967) “A comparison of four methods of constructing factor scores.” Psychometrika 32:380-401.

MULADC, S.A. (1972) The Foundations of Factor Analysis. New York: McGraw-Hill.

NEUHAUS, J.O. and C.WRIGLEY (1954) “The method: an analytic approach to orthogonal simple structure.” British Journal of Mathematical and Statistic^ Psychology 7:81-91.

OSIRIS Manual. Ann Arbor, Mich.: Inter-University Consortium for Political Research, 1973.

RAO.C.R. (1955) “Estimation and test of significance m factor analysis.” Psychometrika 20:93-111.

RUMMEL, R.J. (1967) “Understanding factor analysis.” Conflict Resolution 11:444-480.

RUMMEL, R.J. (1970) Applied Factor Analysis. Evanston: Northwestern University Press.

SAS: A User’s Guide to SAS 76. Anthony J. Ban, James H. Goodnight, John P. Sail, and Jane T. Helwig. Raleigh, N.C.: SAS Institute, Inc., 1976.

SPSS: Statistical Package for the Social Sciences. Norman H. Nie, C. Hadlai Hull, Jean G. Jenkins, Karin Steinbrenner, and Dale Bent. New York: McGraw-Hill, 1975.

SAUNDERS, D.R. (1953) An Analytic Method for Rotation to Orthogonal Simple Structure. Research Bulletin 53-10. Princeton, N.J.: Educational Testing Service.

SAUNDERS, D.R. (1960) “A computer program to find the best-fitting orthogonal factors for a given hypothesis.” Psychometrika 25:199-205.

SCHUESSLER, K. (1971) Analyzing Social Data. Boston: Houghton Mifflin.

SORBOM, D. and K.G. JORESKOG (1976) COFAMM: Confirmatory Factor Analysis with Model Modification User’s Guide. Chicago: National Educational Resources, Inc.

STEPHENSON, W. (1953) The Study of Behavior. Chicago: The University of Chicago Press.

STEVENS, S.S. (1946) “On the theory of scales of measurement.” Science 103:677-680.

STINCHCOMBE, A.L. (1971) “A heuristic procedure for interpreting factor analysis.” American Sociological Review 36:1080-1084.

THOMPSON, G.H. (1934) “Hotelling’s method modified to give Spearman’s g.” Journal of Educational Psychology 25:366-374.

THURSTONE, L.L. (1947) Multiple Factor Analysis. Chicago: University of Chicago Press.

TRYON, C.R. and BAILEY, D.E. (1970) Cluster Analysis. New York: McGraw-Hill.

TUCKER, L.R. (1966) “Some mathematical notes on three mode factor analysis.” Psychometrika 31:279-311.

TUCKER, L.R. (1971) “Relations of factor score estimates to their use.” Psychometrika 36:427-436.

TUCKER, L.R., R.F. KOOPMAN, and R.L. LINN (1969) “Evaluation of factor analytic research procedures by means of simulated correlation matrices.” Psychometrika 34:421-459.

TUCKER, L.R. and C. LEWIS (1973) “A reliability coefficient for maximum likelihood factor analysis.” Psychometrika 38:1-8,

VELICER, W.F. (1975) “The relation between factor scores, image scores, and principal component scores.” Educational and Psychological Measurement 36:149-159.

WAINER, H. (1976) “Estimating coefficients in linear models: it don’t make no nevermind.” Psychological Bulletin 83:213-217.

WANG, M.W. and J.C. STANLEY (1970) “Differential weighing: a review of methods and empirical studies.” Review of Educational Research 40:663-705.

ГЛОССАРИЙ

Альфа-факторный анализ (alpha factoring): метод получения первоначального факторного решения, в котором переменные считаются выборкой из генеральной совокупности переменных; описан в работе (Kaiser and Caffrey, 1965).

Биквартнмин (biquartimin criterion): критерий, применяемый при получении косоугольного решения.

Варимакс (varimax): метод получения ортогонального решения, который сводится к упрощению факторной структуры с использованием критерия минимизации дисперсии столбца матрицы факторного отображения.

Вторичные оси (reference axes): оси, ортогональные первичным факторам; вводятся для упрощения косоугольного вращения.

Выделение факторов (extraction of factors): первоначальный этап факторного анализа; ковариационная матрица воспроизводится посредством небольшого числа скрытых факторов или компонент.

Главные компоненты (principal components): линейная комбинация наблюдаемых переменных, обладающая свойством ортогональности; первая главная компонента воспроизводит наибольшую долю дисперсии экспериментальных данных; вторая — следующую по величине долю и т. д.; главные компоненты часто считаются общими факторами, но более корректно предположение, что они противоположны им, поскольку общие факторы являются гипотетическими.

Главных осей метод (principal axis factoring): метод получения первоначального факторного решения, при использовании которого редуцированная корреляционная матрица подвергается последовательной декомпозиции; метод главных осей с итерациями по общности эквивалентен методу наименьших квадратов.

Грама матрица (Gramian): квадратная симметрическая матрица, все собственные числа которой неотрицательны; корреляционная (нередуцированная) и ковариационная матрицы являются матрицами Грама.

Детерминант (determinant): характеристика квадратной матрицы; используется при определении ранга (числа независимых строк или столбцов) редуцированной корреляционной матрицы.

Дисперсия (variance): мера разброса параметра; определяется как сумма квадратов отклонений от среднего, деленная на число значений.

Значение фактора (factor score): оценка скрытого фактора в терминах наблюдаемых переменных; в факторном анализе имеет второстепенное значение.

Кайзера критерий (Kaiser criterion): критерий определения числа выделяемых факторов; предложен Гуттманом и Кайзером; также известен, как критерий «собственных чисел, больших 1».

Квартимакс (quartimax): критерий получения ортогонального решения; сводится к упрощению описания строк матрицы факторного отображения.

Квартимин (quartimin): критерий получения косоугольного решения; минимизируется тот же функционал, что и в критерии квартимакс без наложения ограничения ортогональности; требует введения вторичных осей.

Ковариацнй анализ (covariance-structure analysis): метод анализа, в котором: 1) наблюдаемые коэффициенты ковариацни описываются в рамках общей модели, включающей гипотетические факторы и наблюдаемые переменные; 2) исследователь затем определяет соответствующие значения, оценивая адекватность этого определения по отношению к структуре выборочных коварнаций.

Ковариации коэффициент (covariance): мера зависимости между двумя переменными; равен коварнацнн, деленной на число наблюдаемых значений; среднее значение сумм попарных произведений отклонений значений переменных от их среднего; для переменных в стандартной форме равен коэффициенту корреляции.

Ковариация (covariation): мера зависимости двух переменных; измеряется как сумма попарных произведений отклонений переменных от их среднего; используется как общий термин для описания зависимости между переменными.

Коваримин (covarimin): критерий, применяемый для получения косоугольного решения.

Конфирматорный факторный анализ (confirmatory factor analysis): факторный анализ, в котором проверяются гипотезы о числе факторов и их нагрузках.

Корреляция (correlation): мера зависимости между двумя переменными; обычно используется коэффициент корреляции Пирсона , который равен ковариацни двух параметров в стандартной форме; используется как общий термин для любого вида линейной зависимости между переменными; отметим, что переменная в стандартной форме имеет нулевое математическое ожидание и единичную дисперсию.

Косоугольное вращение (oblique rotation): преобразование, с помощью которого получается простая структура; факторы вращаются без наложения условия ортогональности, и результирующие факторы, вообще говоря, коррелируют друг с другом.

Косоугольные факторы (oblique factors): факторы, которые коррелируют друг с другом; получаются в результате косоугольного вращения.

Линейная комбинация (linear combination): сумма, в которую переменные входят с постоянными весами.

Линейная система (linear system): линейная зависимость между переменными; в факторном анализе — модель, в которой измеряемые величины линейно связаны со скрытыми факторами.

Максимального правдоподобия метод (maximum likelihood): метод статистического оценивания, в котором определяется значение переменных генеральной совокупности с использованием выборочного распределения; в факторном анализе — метод получения первоначального факторного решения, его варианты включают канонический факторный анализ и метод минимизации определителя матрицы остаточных коэффициентов корреляции.

Математическое ожидание (expectation): среднее значение случайной величины, определяемое как для дискретных, так и для непрерывных законов ее распределения; математическое ожидание является характеристикой данной величины.

Модельные данные (error-free data): данные, для которых скрытая факторная структура предполагается известной и достигается точное соответствие данных и модели.

Монте-Карло метод (Monte Carlo experiment): методика статистического моделирования выборочных характеристик.

Наименьших квадратов метод (least-squares solution): решение, для которого минимизируется сумма квадратов отклонений между наблюдаемыми и предполагаемыми значениями; в факторном анализе — метод получения первоначального факторного решения, варианты которого включают метод главных осей с итерациями по общностям и метод минимальных остатков.

Облимакс (oblimax): критерий получения косоугольного решения; эквивалентен критерию квартимакс при ортогональном вращении.

Облимин (oblimin): общий критерий получения косоугольного решения, для которого матрица отображения упрощается с использованием вторичных осей; его варианты включают критерии биквартимин, коваримин. и квартимин.

Образов анализ (image factoring): метод получения первоначального факторного решения; наблюдаемая переменная представляется в виде образа и антиобраза вместо общей и характерной частей.

Общая часть (common part): часть наблюдаемой переменной, связанной с общими факторами.

Общий фактор (common factor): неизмеряемая (гипотетическая) скрытая величина, которая учитывает корреляцию по крайней мере между двумя наблюдаемыми переменными.

Общность (communality): доля дисперсии наблюдаемых переменных, обусловленная общими факторами; в модели с ортогональными факторами она равна сумме квадратов факторных нагрузок.

Ортогональное вращение (orthogonal rotation): преобразование, с помощью которого получается простая структура при выполнении ограничения ортогональиости (некоррелированности) факторов; факторы, выделяемые с помощью этого вращения по определению, некоррелированы.

Ортогональные факторы (orthogonal factors): факторы, которые не коррелируют друг с другом; получаются при ортогональном вращении.

Отсеивании критерий (scree-test): эвристический критерий определения числа факторов; основан на графическом изображении всех собственных значений корреляционной матрицы; применим при влиянии второстепенных (незначимых) факторов.

Ошибки дисперсия (error component): часть дисперсии наблюдаемой переменной, связанной с несовершенством измерений; входит в характерность.

Простая структура (simple structure): специальный термин, относящийся к факторной структуре, которая обладает определенными свойствами просто ты: некоторые из этих свойств сводятся к тому, что переменные должны иметь нагрузку на минимальное число общих факторов, каждый общий фактор должен нагружать некоторые переменные и не нагружать остальные.

Прямой облимнн (direct oblimin): метод получения косоугольного решения, в котором вращение выполняется без использования вторичных осей.

Разведочный факторный анализ (exploratory factor analysis): факторный анализ, который используется при исследовании скрытой факторной структуры без предположения о числе факторов и их нагрузок.

Ранг матрицы (rank of a matrix): максимальное число линейно-независимых строк или столбцов матрицы; является порядком наибольшего ненулевого детерминанта матрицы.

Редуцированная корреляционная матрица (adjusted correlation matrix): корреляционная матрица, в которой элементы главной диагонали соответствуют общностям: корреляционные или ковариационные матрицы, которыми пользуются перед выделением факторов.

Собственное число (eigenvalue): характеристика матрицы; используется при декомпозиции ковариационной матрицы одновременно как критерий определения числа выделяемых факторов и как мера дисперсии, соответствующей данному фактору.

Собственный вектор (eigenvector): вектор, связанный с соответствующим собственным числом; получается в процессе выделения первоначальных факторов; эти векторы, представленные в нормированной форме, являются факторными нагрузками.

Специфичность (specific component): доля дисперсии наблюдаемой переменной, соответствующая специфичному фактору; применяется для обозначения части характерности, получаемой при исключении дисперсии ошибки

Сумма квадратов отклонений (variation): мера разброса переменной; сумма квадратов отклонений от среднего.

Факторы (factors): гипотетические, непосредственно неизмеряемые, скрытые переменные, в терминах которых описываются измеряемые переменные; часто подразделяются на характерные и общие.

Факторной детерминации коэффициент (factorial determination): доля общности в дисперсии наблюдаемой переменной.

Факторная нагрузка (factor loading): общий термин, означающий коэффициенты матрицы факторного отображения или структуры.

Факторного отображения матрица (factor pattern matrix): матрица коэффициентов, в которой столбцы соответствуют общим факторам, а строки — наблюдаемым переменным; элементы матрицы факторного отображения представляют собой коэффициенты регрессии для общих факторов при условии, что наблюдаемые переменные являются линейной комбинацией факторов; для ортогонального решения матрица отображения содержит коэффициенты корреляции между переменными и факторами.

Факторная сложность переменной (factorial complexity): характеристика наблюдаемой переменной представляет собой число общих факторов с ненулевыми нагрузками для данной переменной.

Факторной структуры матрица (factor structure matrix): матрица коэффициентов корреляции между переменными и факторами; в случае некоррелированных (ортогональных) факторов совпадает с матрицей факторного отображения.

Факторной причинности принцип (postulate of factorial causation): предположение о том, что наблюдаемые переменные являются линейной комбинацией скрытых факторов и что ковариации между наблюдаемыми переменными воспроизводятся с помощью общих факторов.

Характерность (unique component): доля дисперсии наблюдаемой переменной, не связанная с общими факторами и свойственная именно данной переменной; она часто разделяется на специфичность и дисперсию ошибки.

Характерный фактор (unique factor): фактор, влияющий только на данную переменную; часто относится ко всем независимым факторам (включая ошибку измерений), характерным только для данной переменной.

Целевая матрица (target matrix): матрица коэффициентов, используемая при вращении в качестве целевой; первоначальное факторное решение вращается таким образом, чтобы результирующие факторные нагрузки в наибольшей степени приближали целевую матрицу.

Эквимакс (equimax): критерий, применяемый для получения косоугольного решения; сочетает свойства критериев варнмакс и квартимакс.

Экономии принцип (postulate of parsimony): состоит в том, что из двух конкурирующих моделей выбирается наиболее простая; в факторном анализе принимаются модели, включающие минимальное число общих факторов.