Seit 2019 im DACH-RaumSeit 2019
50+ Statistik-Experten50+ Experten
Über 1.200 Projekte1.200+ Projekte
Alle StatistikprogrammeAlle Programme
Express möglichExpress

Statistik-Glossar

Varimax-Rotation

Varimax Rotation (engl.) · Orthogonale Rotation · Maximilian Fuchs · 24. April 2026 · 5 Min. Lesezeit

Was versteht man unter Varimax-Rotation?

Die Varimax-Rotation ist ein Verfahren zur Vereinfachung der Faktorstruktur in der Exploratorischen Faktorenanalyse (EFA). Sie gehört zur Gruppe der orthogonalen Rotationsmethoden, was bedeutet, dass die extrahierten Faktoren nach der Rotation weiterhin statistisch unabhängig voneinander (unkorreliert) bleiben.

Das Ziel der Varimax-Rotation ist es, die Varianz der quadrierten Faktorladungen innerhalb jedes Faktors zu maximieren. Mathematisch wird dabei die folgende Größe optimiert:

Varimax-Kriterium

Dabei bezeichnet die Faktorladung der Variable i auf Faktor j, p die Anzahl der Variablen und m die Anzahl der Faktoren. Durch die Maximierung dieses Ausdrucks werden die Ladungen so umverteilt, dass jede Variable möglichst hoch auf einen Faktor lädt und möglichst niedrig auf alle anderen.

Einfach erklärt: Stell dir vor, du hast eine Tabelle mit Variablen und Faktoren, und in jeder Zelle steht eine Zahl, die angibt, wie stark die Variable mit dem Faktor zusammenhängt. Die Varimax-Rotation dreht diese Faktoren so, dass die Zahlen entweder möglichst groß oder möglichst klein werden – möglichst wenig Mittelmaß. So kannst du auf einen Blick erkennen, welche Variablen zu welchem Faktor gehören.

Warum ist Varimax-Rotation für statistische Analysen wichtig?

Nach der initialen Faktorextraktion – etwa über Hauptkomponentenanalyse oder Maximum-Likelihood-Schätzung – sind die Faktoren oft schwer zu interpretieren, weil viele Variablen auf mehrere Faktoren ähnlich hoch laden. Die Varimax-Rotation löst dieses Problem, indem sie eine sogenannte einfache Struktur (Simple Structure) anstrebt: Jede Variable soll idealerweise klar einem einzigen Faktor zugeordnet werden können.

Das macht die Varimax-Rotation besonders wertvoll, wenn du:

  • Faktoren inhaltlich benennen und interpretieren möchtest,
  • davon ausgehst, dass die zugrunde liegenden Konstrukte voneinander unabhängig sind,
  • Ergebnisse übersichtlich und nachvollziehbar darstellen willst.
Häufiger Fehler: Varimax setzt voraus, dass die Faktoren unkorreliert sind. Wenn du theoretisch davon ausgehst, dass deine Konstrukte miteinander zusammenhängen – etwa „Ängstlichkeit“ und „depressive Stimmung“ – ist eine oblique Rotation (z. B. Oblimin oder Promax) die bessere Wahl. Varimax zu verwenden, obwohl Faktoren korreliert sind, kann zu verzerrten und inhaltlich falschen Ergebnissen führen.
Gut zu wissen: Die Rotation verändert nicht die Gesamtgüte des Modells – die erklärte Gesamtvarianz bleibt gleich. Was sich ändert, ist lediglich die Verteilung dieser Varianz auf die einzelnen Faktoren, um die Interpretierbarkeit zu verbessern.

Praxisbeispiel zu Varimax-Rotation

Angenommen, du entwickelst einen Fragebogen zur Messung von Persönlichkeitseigenschaften und führst eine Faktorenanalyse mit sechs Items durch. Nach der initialen Extraktion zweier Faktoren zeigt die unrotierte Lösung folgendes Bild:

Tabelle 1. Faktorladungen vor und nach Varimax-Rotation (vereinfachtes Beispiel)
Item Faktor 1 (unrotiert) Faktor 2 (unrotiert) Faktor 1 (Varimax) Faktor 2 (Varimax)
„Ich bin gerne unter Menschen.“ .62 .55 .81 .12
„Ich mag Partys und Feiern.“ .58 .49 .76 .09
„Ich spreche oft mit Fremden.“ .55 .47 .72 .11
„Ich erledige Aufgaben gründlich.“ .60 −.52 .10 .79
„Ich halte mich an Regeln.“ .57 −.50 .08 .75
„Ich plane voraus.“ .53 −.46 .13 .71

In der unrotierten Lösung laden alle Items auf beide Faktoren ähnlich hoch – eine klare Zuordnung ist kaum möglich. Nach der Varimax-Rotation laden die ersten drei Items klar auf Faktor 1 und die letzten drei klar auf Faktor 2. Faktor 1 lässt sich nun als Extraversion interpretieren, Faktor 2 als Gewissenhaftigkeit. Die Rotation hat die inhaltliche Interpretierbarkeit deutlich verbessert, ohne die erklärte Gesamtvarianz zu verändern.

Faktorenanalyse Orthogonale Rotation EFA Faktorladungen Einfache Struktur Dimensionsreduktion Skalenkonstruktion

Ihr persönlicher Ansprechpartner

Maximilian Fuchs, M. Sc.

Teilen Sie uns mit, wie wir Ihnen helfen können.

  • Persönlicher Ansprechpartner
  • Schnelle Rückmeldung
  • Transparente Preise
  • Schutz Ihrer Daten

Fragen? Einfach anrufen!