图5 因子分析的输出结果
第四步，正交因子解的结果解读。
在因子分析结果中，前面部分的基础内容与主成分分析结果一致，在因子载荷表以后就有不同。下面是主成分载荷矩阵即未经旋转的主因解载荷矩阵（Component Matrix），可以表作A。
6
Component Matrixa1国内生产居民消费固定资产职工工资货物周转消费价格商品零售工业产值.885.607.912.466.486-.509-.620.823Component2.384-.598.161-.722.738.252.594.4273.121.271.212.368-.275.797.438.211Extraction Method: Principal Component Analysis.a. 3 components extracted. 下面是正交旋转以后的因子载荷矩阵（Rotated Component Matrix），可以表作B，判读方法与解读主成分载荷矩阵一样。
Rotated Component Matrixa1国内生产居民消费固定资产职工工资货物周转消费价格商品零售工业产值.955.217.8715.112E-02.752-.135-.103.944Component2.125.841.352.927-.505-9.01E-03-.494.1113-.131-.213-.137-.114-.189.969.821-1.46E-02Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization.a. Rotation converged in 5 iterations. 下面是成分变换矩阵（Component Transformation Matrix），可以表作T。
Component Transformation MatrixComponent1231.817.548.1792.408-.769.4923-.407.329.852Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. 三个矩阵的关系是
7
B?AT
我们可以用Excel检验这种关系：将旋转前的主成分载荷矩阵A和成分变换矩阵T拷贝到Excel中，然后用A乘以T（图6），得到B阵（图7）。
图6 A阵乘以T阵示意图
8
图7 A阵乘以T阵的结果：B阵
在载荷图下面，给出了正交旋转后的成分得分系数矩阵（Component Score Coefficient Matrix），可以表作B’，它是旋转前的成分得分系数矩阵A’乘以成分变换矩阵T得到的结果，关于旋转前的成分得分系数矩阵A’，可参见“利用SPSS进行主成分分析”部分。同样可以在Excel中验证下列关系
B??A?T
将检验结果（图8）与下面成分得分系数矩阵比较即知。
9
Component Score Coefficient Matrix1国内生产居民消费固定资产职工工资货物周转消费价格商品零售工业产值.306.023.270-.025.249.069.078.317Component2.011.385.128.453-.317.179-.098.0253.046.035.074.099-.135.652.463.123Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. Component Scores.
图8 A’阵乘以T阵的结果：B’阵
接下来是成分得分协方差矩阵（Component Score Covariance Matrix），对角线以外的元素为0或非常之小表明正交旋转之后，因子之间依然是垂直即正交的。
10