回顾一下之前我发布了可靠性分析和KMO和巴特利特检验的相关注意事项以及参考样例，这次紧接着就是探索性因子分析了，也称EFA。很多人不明白什么时候需要做探索性因子分析，什么时候做验证性因子分析！

那么，我们如何区别？

1.纬度已知——验证性因子分析

当我们引用量表时，纬度已经知道的时候，但是数据情况怎么样是不一样的，那么我们就需要去验证一下这个量表情况，这个时候就需要验证性因子分析！

2.纬度未知——探索性因子分析

当我们自己结合文献设计量表或者量表本身纬度未知，需要我们去探索出来哪些题是一个纬度时，就需要探索性因子分析！

一般效度即因子分析，效度检验则只包含kmo和巴特利特检验，大家可不要混淆了哦~

下面我就给大家一个完整的因子分析参考案例流程，如果你操作输出的表和我的一样，那么恭喜你，你又学会了一个分析☺。

案例中涉及重要信息的已马赛克处理，敬请见谅！

第一部分:KMO和巴特利特检验（解释如图）

这部分我就不再赘述了，在前面文章已经讲过~，如果不清楚的可以关注我，找一下效度分析文章就可以看见了。

第二部分:解释的总方差

这部分主要是看量表的特征值，提取载荷平方和以及旋转载荷平方和，累积百分比，主要是看累积百分比多少，是不是超过了60%。

解释如图片中所说哦！

第三部分:碎石图

这个图一般不需要解释，主要是是看从第几个因子趋于平滑，可根据自己情况选择是否需要。

第四部分:旋转成分矩阵

这个就是因子分析中最重要的一个表了，这个是聚合情况好坏的一个凭证，一般要求高于0.5，0.4以下需要舍弃。一般情况下很多人收集的数据因子分析情况都不太乐观，聚合情况不好。这种情况一般就比较麻烦，但是大部分人都会遇到。

两种解决办法:

一、重新收集数据重新分析（缺点是无法保证下次是否符合标准）

二、找专业的分析师帮助你

缺点是费用高，但想要什么样就可以达到什么样

上图！（仅部分）

如上图，每一个因子载荷系数均在0.7以上，说明聚合情况较好，然后我们解释的时候就可以说哪些题聚合在一个维度，纬度叫什么！

好啦，探索性因子分析就这些了，我慢慢的就要开始发布重要分析的文章了，搬好小板凳等着我哦~

分析步骤:分析——降维——勾选（kmo和巴特利特检验、碎石图、最大方差法、其余默认）

SPSS分析就是点点点很简单，关键是要理解为什么要这么做，晓晓致力于夯实数据分析理论基础，然后再结合操作步骤，so easy！