Egenvärde, parallellanalys, laddning och rotation

Egenvärdet anger hur stor del av skillnaderna i alla frågor en komponent fångar. Kaiserkriteriet behåller komponenter med egenvärde över 1; det ger ofta för många. Parallellanalysen jämför egenvärdena med dem från slumpdata av samma storlek och behåller bara det som ligger över - det är det mer tillförlitliga förslaget. Rotationen vrider lösningen så att varje fråga hör så tydligt som möjligt till en komponent: varimax håller komponenterna oberoende, promax låter faktorerna hänga ihop.

Exempel: Lärande på universitetet, 6 frågor: 2 komponenter, tillsammans fångas 63 %. Fråga 7 laddar ,89 på komponent 1 och ingenting på komponent 2.

Se upp: Laddningar under ,30 döljs. Om en fråga laddar över ,30 på två komponenter hör den inte tydligt till en av dem.