什么是因子分析？
1. 基本概念： 在因子分析模型中，每个原始变量被视为由两部分构成：共同因子和唯 一因子。共同因子是多个变量之间共有的，用以解释变量间的相关性；而唯 一因子是指每个变量特有的部分，代表着不能由共同因子解释的变量特性。
2. 与主成分分析的区别： 主成分分析旨在寻找变量Max线性组合，以Max信息的提取量。相比之下，因子分析假设存在潜在因子驱动原始变量，这些因子并非简单的变量线性组合，而是变量背后的隐藏动因。（简言之，主成分分析强调变量的主要成分，而因子分析探索概括变量特征的内在因子。）
SPSS步骤：
1. 启动分析： 分析 -> 降维 -> 因子分析。
2. 选择变量： 选择需要进行因子分析的变量。
3. 配置因子分析模型：
- 描述性统计：
- KMO检验： 评估变量间的相关性，其值介于0与1之间。KMO值接近1时，表明变量间相关性强，适合进行因子分析。常用标准为：0.9以上很适合；0.8适合；0.7一般；0.6不太适合；0.5以下极不适合。
- Bartlett的球形度检验： 检验变量间是否相互独立。如果检验结果的p值小于0.05，表明变量间具有相关性，因子分析是有效的。
- 抽取方法： 通常选择主成分分析法。
- 旋转： 旋转因子以便更清晰地看到哪些变量归属于哪些因子。
- 得分与选项： 对于缺失值，采用列表wise排除法处理。
