Eigenwaarde, parallelle analyse, lading en rotatie

De eigenwaarde zegt hoeveel van de verschillen in alle vragen een component vastlegt. Het Kaiser-criterium behoudt componenten met een eigenwaarde boven 1; het geeft er vaak te veel. Parallelle analyse vergelijkt de eigenwaarden met die uit toevalsgegevens van dezelfde omvang en behoudt alleen wat daarboven ligt - dat is het betrouwbaardere voorstel. Rotatie draait de oplossing zo dat elke vraag zo duidelijk mogelijk bij één component hoort: varimax houdt de componenten onafhankelijk, promax laat de factoren samenhangen.

Voorbeeld: Leren aan de universiteit, 6 vragen: 2 componenten, samen 63% vastgelegd. Vraag 7 laadt ,89 op component 1 en niets op component 2.

Let op: Ladingen onder ,30 worden verborgen. Als een vraag op twee componenten boven ,30 laadt, hoort ze niet duidelijk bij één component.