Deixeix seja um exemplo de dataframe.

set.seed(0)
x <- replicate(4, rnorm(10))

Um PCA usando oprincipal função dopsych pacote vai render:

> principal(x, nf=4, rotate="none")
...
                       PC1  PC2  PC3  PC4
SS loadings           1.91 1.09 0.68 0.31
Proportion Var        0.48 0.27 0.17 0.08
Cumulative Var        0.48 0.75 0.92 1.00
Proportion Explained  0.48 0.27 0.17 0.08
Cumulative Proportion 0.48 0.75 0.92 1.00

Girando a solução PCA usando ovarimax critério gera novos componentes agora nomeadosRCi para indicar que os PJs foram girados (portanto, eles não são mais PJs).

> principal(x, nf=4, rotate="varimax")
...
                       RC4  RC3  RC2  RC1
SS loadings           1.03 1.02 1.00 0.95
Proportion Var        0.26 0.26 0.25 0.24
Cumulative Var        0.26 0.51 0.76 1.00
Proportion Explained  0.26 0.26 0.25 0.24
Cumulative Proportion 0.26 0.51 0.76 1.00

Minha pergunta: Por que a ordem agoraRC4 paraRC1 com os números diminuindo de 4 para 1. Os RCs ainda são ordenados de acordo com sua parcela de SS. Como a rotação é ortogonal não entendo o ponto. Que informação extra útil a ordem dos nomes da RC transmite? Ou estou errado em considerar a ordem como arbitrária se a rotação é ortogonal?

Obrigado!