因子分析是统计数据分析方法之一，因子分析包括探索性因子分析和验证性因子分析。 本文主要讨论探索性因素分析。
一、研究背景关于工作满意度有14个问题，得到215份问卷调查结果。 希望通过因子分析，用少量因子反映14个主题的信息，降低维度便于分析，命名因子用于后续分析。
二、分析步骤
Step1数据准备：
根据研究目的，收集相关数据。 在本例中，是我们收集的14个有关问题的数据。
因子分析要求数据必须为定量数据，问卷数据一般为量表问题。
Step2选项设置：
点击【高级方法】---【因子分析】。
将分析项目拖到右侧，点击[开始分析]，得到分析结果。
设置[因子个数]:如果期望提取的因子的数量，则可以积极地设置要输出的因子的数量。勾选[因子得分]:可以自动保存因子得分。勾选[综合得分]:可以自动保存综合得分。
Step3结果解释：
判断数据是否适合因子分析
首先考察收集到的原始变量是否适合因子分析，用KMO检验和Bartlett检验结果进行判断。
表1:KMO和Bartlett检查
上表显示KMO检验和Bartlett的检验结果
通常KMO值的判断标准为0.6。 大于0.6表示不适合分析，相反表示不适合分析。 另外，Bartlett检测对应p值小于0.05也表明适合分析。
SPSSAU输出的结果显示智能解读结果，直接看智能分析：
判断提取因子个数
大多数情况下，我们在分析时有主观期望，希望如何对问题项目进行分类，这时可以直接设定相应因子的个数。
在这个例子中，由于预计工作满意度分为4个维度，所以将因子的个数设为4。 进一步进行分析。
设系数个数为4
表2 :方差解释率表
方差解释率表格主要用于确定提取多少个因子是合适的。 以及各因子的方差解释率和累计方差解释率情况。 方差解释率越大，说明因子包含的原数据信息越多。 在因子分析中，主要关注旋转后的数据部分。
从上表可以看出，这次一共提取了4个因子。 这4个因子旋转后的方差解释率分别为24.993%、22.049%、20.191%、18.809%，旋转后的累积方差解释率为86.042%。
表明4个因子可以提取14个分析项目86.042%的信息量，该值没有固定标准，一般超过60%也可以接受。
如果研究人员没有默认维度。 如果选择默认选项，则SPSSAU默认基于特征根大于1。
特征根:指标旋转前各因子的贡献度。 该值的总和与项目数一致，该值越大表示因子的贡献越大。
当然因子分析通常需要综合自己的专业知识进行综合判断，即使特征根值小于1也同样可以提取因子。
碎石图
同时可结合碎石图辅助判断因子提取个数。 当折线由陡变陡时，由陡变滑对应因子的个数即为基准提取因子的个数。
在实际研究中，以更多的专业知识，结合因子与研究项目的对应情况，综合比较研究判断因子的个数。
判断因子与题项对应关系
上述确定因子提取个数除了考虑上述指标外，重要的是结合因子与研究项目的对应关系来判断情况。
因子负荷系数表反映了因子与研究项目的对应关系。
表3 :旋转后因子负荷系数表
结果表明，采用因子分析对14个项目进行浓缩处理，浓缩为4个因子。
因子与问题项相对应，其中Q12-Q14表示F1因子有较高的负荷，F1因子可以解释这几个分析项，它们主要反映工作报酬方面的满意度；
Q9-Q11在F2上有很高的负荷，它们主要反映指导管理方面的满意度；
Q5-Q8对F3有较高的负荷，它们主要反映工作环境方面的满意度；
Q1-Q4在F1上有很高的负荷，它们主要反映个人在发展方面的满意度。
S
tep4结果调整：如果出现因子分析结果与预期结果不一致，这种情况是非常常见的。对于不理想的题项可以移出该项，再次分析，直至所有分析项与因子对应关系良好。
如果出现以下3种问题，则需要对不合理题项进行删除:
第一类：如果分析项的共同度值小于0.4,则对应分析项应该作删除处理;
第二类：某分析项对应的”因子载荷系数”的绝对值,全部均小于0.4,也需要删除此分析项;
第三类：如果某分析项与因子对应关系出现严重偏差（通常也称作‘张冠李戴’）,也需要对该分析项进行删除处理。
这部分在帮助手册中有详细介绍，有需要可阅读帮助手册中对应内容：
https://spssau.com/front/spssau/helps/advancedmethods/factor.html
Step5因子命名：
当确定了最终提取的因子数及题项对应关系，即可对提取的因子命名。
可以结合旋转后的因子载荷矩阵结果进行命名，最终将四个因子分别命名为F1工作报酬、F2领导管理、F3工作环境、F4个人发展。
三、后续分析
因子分析往往是预处理步骤，后续还需要结合具体研究目的进行分析，如回归分析、聚类分析等。
此时，可能需要用到因子得分，返回分析页面勾选[因子得分]即可生成因子得分。
如果是量表数据，建议通过【数据处理】--【生成变量】计算均值得到维度均值，用于后续研究。
四、其他说明
有关因子分析过程中可能遇到的问题，在之前的文章已经整理过，具体可参考：因子分析常见问题汇总，你想知道的都在这里