探索性因子分析主要是为了找出影响观测变量的因子个数，以及各个因子和各个观测变量之间的相关程度，以试图揭示一套相对比较大的变量的内在结构。

适用范围

1.样本充足 Gorsuch（1983）

样本容量：观测变量>5：1，总样本量最好>100

2.变量是连续型数据

量表是一种特殊的连续型数据。

3.观测变量间存在适当的相关关系

即要求数据通过KMO与巴特利特球形检验检验。

4.信度检验过关>0.7

因为信度是效度的必要条件，但不是充分条件；信度差效度一般也差。

特性

特点是输出结果无模型图、因子个数一般自动生成、多用于自制的非经典量表（偏向产出而非检验理论）。

实操

01

操作准备

本文数据由团队自行收集获得，如需请在公众号后台回复“探索性因子分析”下载，分析结果spv及规范报告word也可通过该关键词获取。

本文操作软件为SPSS25.0版本，如需请在公众号后台回复“SPSS”下载。

02

操作步骤

1.点击【分析-降维-因子】

2.将需要分析的变量放入右侧变量框，按下方图示操作

3.查看分析结果

得到分析结果如下。我们重点关注红框标注的部分。

KMO和巴特利特检验结果包括两个指标，其中

KMO系数用于比较变量间简单相关系数和偏相关系数，取值在0-1之间。KMO越接近1，变量间相关性越强，越适合做因子分析。

在效度检验中，KMO系数值越高越好，> 0.9表示极适合，>0.8非常适合，>0.7可以接受，>0.6一般，

巴特利特Bartiett 球形检验用于判断变量的相关系数矩阵是否是单位阵，不是单位阵才适合做因子分析。

在效度检验中，巴特利特球形检验值越低越好。sig>0.05则检验未通过，sig

下图结果表明，该数据通过了检验，适合进行后续的因子分析。

注意：效度检验到这里才正式开始，有些论文通过kmo检验便认为效度过关，是不严谨的！！

总方差解释是指选取出的共同因素能够解释所有题项变量的比例。在该表格中，我们重点关注下方红框中的部分。

左侧圈出的部分表明此次探索性因子分析提取出的公因子个数为2，右侧圈出的部分表明公因子1的方差解释率为48.955%，公因子2的方差解释率为20.663%，提取出的两个公因子累积解释率为69.618%。

总方差表的累积解释率，即几个公因子累积解释的方差比例，理想状态是达到80%，一般认为超过50%便可以接受。

碎石图可以辅助判断探索性因子分析提取的因子数量是否合适。

其横坐标指的是因子的数量（可以理解为题项的数量），纵坐标指的是特征值（可以理解为因子对样本整体的贡献）。碎石图主要看处在大斜率位置的因子数（从陡转缓），建议以此因子为提取的公因子数。

下图中因子2为转折点，与总方差解释提取的公因子数2吻合，可以接受。

旋转后的成分矩阵表明了各公因子对应的题项。

下图中因子1包括Q11、Q7……Q13，因子2包括Q14、Q15……Q17。

对于Q16这样同时归于两个公因子的情况该如何处理，我们会在下一讲进行讲解。

03

规范报告

从下表可知：KMO=0.784>0.7，大于0.7的判定标准，巴特利特球形度检验的显著性水平=0.000

总方差解释结果显示，此次探索性因子分析提取2个公因子，碎石图支持这一提取方法，公因子1的方差解释率为48.955%，公因子2的方差解释率为20.663%，累积解释率为69.618%。

在此基础上,对观测指标进行公因子抽取,所得结果如“探索性因子分析”部分所示。因子1包括Q11、Q7……Q13，因子2包括Q14、Q15……Q17。

下期预告

探索性因子分析结果差怎么办？