因素分析的內容，我們已經講了四講的內容，主要是希望大家能夠充分理解因素分析的基本原理和功能，掌握模型繪製的基本邏輯與思路。從今天開始，我們將為大家介紹在SPSS軟體中的基本操作過程及數據結果解釋。
應用SPSS軟體實現因素分析功能，需要選擇功能按鈕為Analyze菜單中選擇Data Reduction——Factor（如圖1），其分析過程的基本步驟包括相關矩陣分析與檢驗、因子提取、選擇因子旋轉方法、確定因子個數並賦予意義，由於涉及的演示圖形較多，今天先介紹前兩個步驟的基本操作。
在做因素分析之前，第一步工作是要確定數據是否適合做因素分析，而確定的主要方法就是基於對所有變量相關矩陣的分析和檢驗。如前所述，因素分析之所以能達到數據降維、尋找結構的功能，實際上最根本的依據就是變量之間是否存在相關。如果各變量之間根本不存在相關，那麼，即使使用因素分析技術，提取的因子個數也是與所有變量數相等的，因為變量之間不存在相關，意味著變量之間不存在共同的因子，因此，因素分析的第一步需要計算所有變量的相關矩陣，並分析和檢驗數據是否適合做因素分析。
SPSS軟體提供了兩個重要功能按鈕和相應的數據：（1）Bartlett’s test of sphericity（Bartlett球形檢驗）；（2）KMO檢驗。功能按鈕為Analyze菜單中選擇Data Reduction——Factor——Factor analysis：Descriptive中選擇KMO and Bartlett’s test of sphericity功能按鈕即可。
圖2 KMO檢驗和Bartlett球形檢驗功能鍵選擇
如果Bartlett球形檢驗、KMO檢驗的結果表明，數據適合做因素分析，接下來重要的工作就是因子的提取。在SPSS軟體中，有很多因子提取的方法，主要應用的有主成份分析法（principle component analysis）和主軸因子法（principle axis factoring）。（如圖3，系統默認為主成分分析法）
其中主成分分析法是以線性方程將所有變量加以合併，計算所有變量共同解釋的變異量，該線性組合成為主要成分。第一個線性組合建立後，計算出第一個主成分估計，可以解釋全部變異量的最大一部分。分離後所剩餘的變異量經第二個方程線性合併，再抽取第二個主成分……以此類推，直到無法抽取共同因子。主軸因子法提取因子的程序與主成分分析法基本相同，主要的區別在於對觀測變量公因子方差的估計不同。主軸因子法假定，觀測變量之間的相關能完全被公因子所解釋，而變量的方差不一定完全被公因子所解釋。
究竟選擇哪一種方法提取因子，主要看研究者的目的，如果旨在用最少的因子最大程度的解釋原始數據的方差，建議選擇主成分分析法，如果研究者的目的是確定數據結構，建議使用主軸因子法。功能按鈕為Analyze菜單中選擇Data Reduction——Factor——Factor analysis：Extraction中點擊Method，就會出現如圖3所示的下拉式菜單，選擇相應的提取方法即可。
1.熟悉SPSS軟體中的因素分析的功能鍵，嘗試使用這節課介紹的基本功能。
2.閱讀文章「平行分析在探索性因素分析中的應用」（《心理科學》，2007,30（4）：924-925），了解平行分析及R軟體的程序。
點擊下圖可關注