Hogyan kell értelmezni ezeket a faktoranalízissel kapcsolatos lépéseket?

Ezt találtam a neten, de nem egyértelmű számomra néhány pont. Lent leírtam a kérdéseket is!

Az elemzés lépései:

Az adatok ábrázolása, egyszerű leíró statisztikák.

1, A korrelációs mátrix meghatározása.

2, A parciális korrelációs mátrix meghatározása.

3, A minta faktoranalízisre való alkalmasságát mérő Kaiser statisztika kiszámítása.

4, A kovariancia (korrelációs) mátrix sajátértékeinek és sajátvektorainak meghatározása.

5, A sajátértékek szemléltetése törmelék grafikonnal.

6, A faktoregyütthatók, mint az egyes változók és a faktorok közötti korrelációk meghatározása.

7, Kommunalitások. Hány százalékát magyarázzák az egyes faktorok a teljes szórásnak?

8, A faktoregyütthatók grafikonja. A változók ábrázolása a faktortérben.

9, A faktorok forgatása. A forgató mátrix és a forgatás utáni faktoregyütthatók meghatározása.

10, Kommunalitások a forgatás után.

11, A (standardizált) faktorsúlyok meghatározása.

12, A forgatás utáni faktoregyütthatók grafikonja, a változók ábrázolása a forgatott faktortérben.

A negyedik lépésben már a parciális korrelációs mátrixból kell kiindulni? Valahol ugrottunk egy lépést, valami itt ki van hagyva. Hogyan jutottunk el onnan, hogy a parciális korrelációs mátrix sajátértékeit, és sajátvektorait kiszámoltuk odáig, hogy megvannak a faktorok? A sajátvektorok jelentenék a faktorokat? Tehát sajátvektor=faktorok? Ha igen, akkor okés, és logikus is, hiszen a sajátértékek pedig a faktorok által magyarázott variancia szintjét jelölik.

Egy derékszögű faktorforgatás lehet, mondjuk a Gram-Schmidt ortogonalizáció?

A válaszokat előre is köszi!