SPSS上机实验——因素分析的基本原理
一、因素分析最常用的模式
Z j=a j1F1+a j2F2+a j3F3+…+a jm F m+U j
其中
（1）Z j为第j个变量的标准化分数
（2）F i为共同因素
（3）m为所有变量共同因素的数目
（4）U j为变量Z j的唯一因素
（5）a j1为因素负荷量
二、相关解释：
共同因素量要比原始变量数少，唯一因素与原始变量数一一对应。

（1）所有的唯一因素间彼此没有相关
（2）所有的唯一因素与所有的共同因素间也没有相关
三、重要概念
因素负荷：原始变量与因素分析时抽取出共同因素的相关。

共同性：每个变量在每个共同因素的负荷量的平方和。

根据Kaiser准则，各题的平均共同性最好在0.70以上，如果样本数大于250，平均共同度在0.60以上。

特征值：每个变量在某一共同因素的因素负荷量的平方总和。

根据Kaiser准则，选择特征值大于1的因素。

解释量：每一个共同因素的特征值除以总题数，得到该共同因素的解释量。

四、使用因素分析的注意事项
（1）样本数要比题目数多。

（2）题目数与样本数的比例最好为1：5。

（3）被试总样本不得少于100人。

（4）题目是否适合进行因素分析的参考指标KMO值的大小，一般0.60以上，越高越适合进行因素分析
KMO值是相关系数与偏相关系数的一个比值。

KMO值最大接近1。

KMO值小，对因子分析不利。

在因子分析之前，对样本进行KMO检验来验证变量间的偏相关是否足够小。

做BARTLETT球形检验，检验变量间的相关阵是否为单位阵，是否适合用因子分析。