在用SPSS进行EFA时，特征根和解释方差怎么看？有什么判断标准

在使用SPSS进行EFA时，可以通过查看输出结果来判断特征根和解释方差的大小。特征根是指因子的方差，通常用于衡量因子的重要性，它是协方差矩阵的特征值。解释方差是指每个因子能够解释的原始变量的方差比例，通常用于衡量因子的解释能力。

在SPSS输出结果中，可以查看"特征根"和"初始方差解释"表格。在"特征根"表格中，可以观察每个因子的特征根值，一般来说只有特征根值大于1的因子才应该被保留。在"初始方差解释"表格中，可以查看每个因子能够解释的总方差比例，一般来说应该选择累计解释方差比例较高的模型。通常，保留因子的标准是特征根大于1或者累计解释方差比例达到70%以上。

需要注意的是，这些标准只是一般性的建议，具体选择需要结合具体研究问题和实际情况进行判断。

相关问题

在用SPSS进行EFA时，“总方差解释”中有提取载荷平方和、每个成分的总计、方差百分比、和累积，请问“总方差解释”就是特征根和解释方差吗？

是的，总方差解释中的方差百分比和累积就是指特征根和解释方差。特征根是因子分析中的一种统计量，它可以衡量数据中的因子数量和每个因子的重要程度。方差百分比和累积则是指每个因子能够解释的总方差百分比和所有因子能够解释的总方差百分比，它们反映了因子分析的解释能力和数据结构的复杂程度。在SPSS中进行因子分析时，总方差解释的结果可以帮助我们选择合适的因子数量和解释方差的程度，以便更好地理解数据的结构和特征。

在用SPSS进行EFA时，如果累积解释方差只有40%，但所有因子的特征根值都大于1，那如何根据解释方差贡献率来判断是否留下因子，或者再考虑别的什么值？

在使用SPSS进行EFA时，对于累积解释方差只有40%，但所有因子的特征根值都大于1的情况，建议结合因子的解释方差贡献率来判断是否留下因子。

通常情况下，建议保留解释方差贡献率大于等于0.5的因子，因为这些因子能够解释比较大的变异性，具有较高的可靠性和实际意义。解释方差贡献率低于0.5的因子，则可以考虑删除或合并到其他因子中。

此外，还需要考虑每个因子与变量之间的相关性，以及因子的可解释性和实际意义。如果因子与变量之间的相关性较弱，或者因子不能很好地解释变量的实际意义，那么可能需要删除这些因子。

总的来说，虽然所有因子的特征根值都大于1，但是40%的解释方差表明这个EFA模型的解释能力并不强。因此，需要综合考虑因子的解释方差贡献率、因子与变量之间的相关性，以及因子的可解释性和实际意义，来决定是否保留因子。