spss因子分析过程中存在的问题？

用SPSS进行因子分析时，存在以下两个困惑，希望能给予肯定的回答。
①做因子分析时，KMO值接近1，但是解释的总方差却不超过50%，遇到这个问题应该怎么处理？
②在因子分析过程中，会剔除一些不能很好进行归类的题目或者变量，那么剔除的原则是什么，又以谁为主要原则对相关变量进行取舍，毕竟每次剔除变量对后期的因子分析都有很大的影响。

以上两个问题，希望能够得到大佬肯定的回答，十分感谢。

有关回应 · 2021-5-17 16:09:38

KMO值接近1，解释累计方差不足50%，其实还蛮常见的。
我上学期做的一个APP调查KMO值.846，累计方差俩因子不到80%

我后面仔细想了一下，应该还是出在数据/问卷上，自己设置的维度可能自身不太合理，会出现比如A影响B，B影响C，但D是独立的这类情况。应该返回最开始对维度再做一次考虑，用克朗巴哈系数测一下。
我们做课堂作业的话，就提出的问题基本是自己差不多已经可以得出一个结论的调查了。就像我可能做了一个【老年人手机使用情况的调查】，我其实已经差不多大概知道是主要因为年龄大、跟不上节奏或者学历问题之类的影响了老年人的手机使用情况。在既定结果的情况下，所以KMO值肯定是正确的，但因为自己的问卷设计问题或者维度考量问题导致了因子不太平衡也不太合理，有的载荷特别高，有的载荷特别低。

再一个就是看一下自己设置的问题是不是这个维度的，或者能不能解释这个维度。比如你设置一个【健康】维度，想知道公民整体健康水平，问【你最近是否有生病】，其实不太能解释自己需要的结果。

还有一个就是样本数量的问题，我这个作业收了293份有效问卷，相对课堂作业来说还算可以，但严格说肯定是少的不行的，弄出来的数据难免有一定的偏移。而且对于学生来说，收集的样本可能绝大部分是周围身边的人，其实也不具有广泛的代表性。比如你是大一艺术类的学生，样本没准一大半都是大一艺术类的同学提供的。这是一个样本的局限性问题，也可能导致某个因子载荷特别高。
不过确实，如果解释总方差不够的话，自己也觉得难受。但因为一些原因可能没法再重新收集数据了。比如我这种就纯粹是做课堂作业的，期末就要交的，也不可能再花时间再设计问卷再去找同学填了。

因为解释总方差那个因子是系统给你决定的，可能和你自己想象的不一样。就比如你可能自己设计了五个维度，实际上出来的因子只有三个。那肯定就是你有几个维度是互相依附的。你因子旋转一下，加上你前面的数据，就发现，可能因子1包括的你的维度A维度B和维度C，因子2包括了你的维度D，因子3包括了你的维度E，所以会出现解释总方差就可能一个因子能解释百分之五六十，其他因子只能解释百分之十几二十几。
后面那个问题就是，既然都做好了问卷，咋还会剔除不能归类的题目。设计问卷的时候应该都考虑好了，肯定是拟合得差不多了，有显著性才开始发问卷的。
你要是三个维度肯定有那么九个十二个十五个题吧，一个维度设置三四五个题肯定是有的呀，去掉一两个，你也有两三个题在撑着这个维度，如果变动太大的话，还是考虑问卷设计的问题。

有关回应 · 2021-5-17 16:09:39

我个人并不经常见到超过50%的，不觉得这是什么大不了的事。
剔除思路主要有

载荷过低（如在所有因子上低于0.3）
交叉载荷（如在多个因子上高于0.6）
虽然在统计上被认为属于某个因子，但分析文本发现与该因子下其他条目有重大差异。

必要的时候（或者说很多时候）需要对因子进行旋转，以获得更干净的结果。
确定提取方法选的是主轴法，不是主成分法，前者才是因子分析。
如果删一俩题就有很大影响，感觉你这问卷编得恐怕不咋样。

有关回应 · 2021-5-17 16:09:40

不超过50%不是大问题。
补充：如果分析得到某个因素包含题项较少，而原问卷题项总数较多，可考虑提出该因素下的题项。

spss因子分析过程中存在的问题？

3 个回复