spss因子分析案例

### SPSS 因子分析示例

#### 准备工作
在SPSS中进行因子分析之前，确保已安装并配置好SPSS环境。准备用于因子分析的数据集非常重要。通常情况下，数据应满足正态分布假设，并且变量间存在一定的相关性。

#### 加载数据集
为了演示目的，这里介绍如何加载一个公共可用的心理健康调查问卷数据集[^1]：

GET FILE='C:\path\to\your\survey_data.sav'.

此命令会读取存储于指定路径下的`.sav`文件到SPSS环境中。

#### 执行探索性因子分析 (EFA)
下面展示的是执行探索性因子分析的具体操作过程以及对应的SPSS语法：

* 设置选项.
SET PRINT=DEFAULT.

* 进行KMO 和 Bartlett's球形度检验, 判断是否适合做因子分析.
FACTOR /VARIABLES var1 var2 var3 ... varN 
    /MISSING LISTWISE 
    /ANALYSIS var1 var2 var3 ... varN 
    /PRINT KMO EXTRACTION 
    /CRITERIA MINEIGEN(1) ITERATE(25) 
    /EXTRACTION PC 
    /ROTATION NOROTATE 
    /METHOD=CORRELATION.
    
* 提取主成分法作为初始解.
FACTOR /VARIABLES var1 var2 var3 ... varN 
    /MISSING LISTWISE 
    /ANALYSIS var1 var2 var3 ... varN 
    /PRINT INITIAL EXTRAC ROTATED(PATTERN) RESIDUAL 
    /FORMAT SORT BLANK(.30) 
    /PLOT EIGEN 
    /CRITERIA FACTORS(3) ITERATE(25) 
    /EXTRACTION PCA 
    /ROTATION VARIMAX 
    /SAVE REG(ALL).

以上代码片段展示了完整的探索性因子分析流程，包括初步测试、特征根大于1的选择标准、最大似然估计方法的应用及方差最大化旋转等步骤。

#### 解释结果
完成上述分析后，需仔细解读输出的结果表格，特别是共同度（Communalities）、总变异解释量表（Total Variance Explained）和旋转后的因子负荷矩阵（Rotated Component Matrix）。这些信息有助于确定哪些原始变量被哪个潜在因子所代表，从而构建合理的理论模型。