特征根不是唯一的判断标准。除此特征根，还可以通过累积方差贡献率、碎石图等指标综合判断。

如果分析前已经有了预期的维度（因子）划分，也可以在分析时主动设定提取因子个数，再根据上面的指标进行调整。

②问题二：因子相关矩阵在哪里分析？

使用【通用方法】--【相关】可得到相关矩阵。

③问题三：怎么处理因子与分析项的对应关系

因子与对应项关系不一致，一般有三种情况：

第一种是一个分析项对应着多个因子；导致题项无法归类；

第二种是题项与对应因子的关系出现严重偏差；

第三种是题项在各个因子下的载荷系数值或共同度都非常低。

解决方法：

第一种情况，一般都可以接受。如果其他题项中出现后面两种情况，优先处理后两种问题，删除该题项后，重新分析。直到所有题项与因子对应一致即可。

④问题四：因子如何命名

因子命名需要综合判断，主要是根据专业知识结合因子下各测量项的共同含义概括得到的。最终的因子名应该符合专业上的认知，这样分析结果更易理解。

⑤问题五：一个因子只有一题

一般情况下，一个因子通常对应3~7个题项。如果一个因子下只有一个题，此时建议不要针对该因子，改使用其他方法进行分析。

⑥问题六：因子分析的如何使用因子进行后续分析？

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。

【生成变量】--【平均值】

如果是非量表数据，可保存因子得分，用于后续研究。

⑦问题七：降维后因子如何分类

如果需要利用得到的因子进行聚类分析，首先需要对因子进行命名，再明确了实际意义后，可以通过SPSSAU【数据处理】--【生成变量】得到维度均值。再用得到的因子进行聚类分析，并对聚类结果命名。

⑧问题八：出现奇异矩阵如何解决？

如果提示出现“奇异矩阵”，通常情况下有以下三个原因及解决办法。

第一、由于分析样本量太少（比如分析项有20个，分析样本仅10个），此里需要加大样本量或者减少分析项即可；

第二、分析项之间的相关性非常非常强(相关系数大于0.8，甚至接近1)，共线性严重，建议使用相关分析，然后把相关系数值非常大的项移除出去后再次分析；

第三、分析项之间的相关性非常非常弱（相关系数接近0），建议使用相关分析，然后把相关系数值非常小的项移除出去后再次分析。

⑨问题九：探索性因子分析与验证性因子分析的区别

二者的区别在于，验证性因子分析(CFA)用于验证对应关系，探索性因子分析(EFA)用于探索因子与测量项之间的对应关系。

如果是成熟的量表，研究者可同时使用验证性因子分析CFA，和探索性因子分析(简称因子分析,EFA)用于验证量表的效度。

如果量表的权威性较弱，通常使用探索性因子分析(EFA)进行探索因子，或者效度检验分析。

⑩问题十：因子分析样本量

没有固定标准。通常建议样本量在题目的5倍以上，结果比较具有参考意义。

如果上述问题没有解决你的困扰，可以关注SPSSAU公众号，在里面查看