SPSS初始因子载荷矩阵出现负值

一般是考虑大于0.4的,你的0.33因为1除以3啊

可以做的,不会做我帮你我替别人做这类的数据分析蛮多的

这个很容易,看来你不会用SPSS呀,在SPSS中运用因子分析功能,只是这不是三言两语能说明白的,建议借本这方面的书来看,

analyze（分析）->DimensionReduction（降维）->factor（因子分析）->选中variables（变量）->extraction(抽取)->correlationmatri

保存因子得分,之后会在原数据最后保存生成3列因子得分,假设为a1a2a3代表3个因子然后根据因子分析得出三个因子的特征根值,分别计算粗3个因子的权重

综合因子得分需要结合手算,如下：再问：我知道，综合因子得分=各因子得分*各因子贡献率，但是我不知道各因子得分是多少，是不是我上面的第一张表里的数据，请清楚一点告诉我，求你了再答：不是，在这一步，如图：

的检验是为了检验是否适合做因子分析,一般来说KMO的值越接近于1越好,大于0第三个表是旋转因子载荷,是为了方便对提取的两个公因子命名,旋转后,第一再问：请问这和KMO检验有什么关系呢？我是在旋转因子求

这个不能说此次分析就是失败的,应该说是你的变量或者说是问卷设计有问题当然也可以不一定参照必须要大于0.5,但是常规的都是这样参照的这个因子载荷低有可能是问卷变量设计问题,有可能是数据采集质量有问题如果

未旋转的因子矩阵：不是说x7是最主要的因素,而是说x7与第1个成分的相关性最大,且为正相关.通过你这个因子矩阵表,很难将各个x进行分类,可以进行因子分析,得到旋转后的因子矩阵.旋转后的因子矩阵：表中的

这些值实在是太小了,只能用科学计数法表示,如果换成一般的数字,现实的结果都是0.而且这些数值对于你下面的分析一点用处都没有,所以不必为此纠结.

因子载荷阵选择适当方法求出旋转后的载荷阵数值出负是求解的结果……这和原始矩阵数值以及计算方法相关,没什么原因解释的吧?比如因子旋转有正交和斜交两种方法,比较常用的是正交变换,正交矩阵的选取不一不说,符

因子载荷矩阵里,最左一列是项目（题目）,最上一行是因子（主成份）,下面就是各项目在各因子上的载荷,载荷按高到低排好序就可以看出各因子包括哪些项目.

analysis-datareduction-factor-extraction下自己选择分析方法

额.楼主手边有spss操作参考书吗?如果操作步骤是按照书上做的同时也符合你的分析要求的话应该不会出问题吧~我的spss只是半吊子不能完美解释介个问题哦.见谅.找了一些旋转结果的分析看出现负值好像没什么

从你得到的结果老看,数据之间的相关性较小,不适合做主成分分析,并且可能你的变量太多,数据过少导致很多数值没有.

你肯定是选择了正交或斜交旋转才会产生“旋转成分矩阵”,你可以用主成分分析法来做一下就会发现没有“旋转成分矩阵”了,所以两者是没有关系的,因为“成分矩阵”是主成分分析法得到的,“旋转成分矩阵”是因子分析

得分为负的,说明该样本对就的因子得分低于平均分.平均分为0.所有得分之和为0.再问：SPSS进行因子分析后，为什么保存的因子得分的变化趋势与X1、X2、X3、X4相关题项的取值的变化趋势不一致？例如，

不知道你问这个是做什么用,弹簧支吊架安装的时候是用卡扣将弹簧位置固定的,等整个设备运转的时候将卡扣拿开,弹簧支吊架进行正常工作,这时候弹簧通常有个压缩量.一般的弹簧支吊架都有个荷载可变动的范围,有10

主成分的选取可以有2种方法：1、取累计贡献率大于85%的成分；2、取所有特征值大于1的成分.当符合上述任意一种时均可拿来做为最后的主成分.当然SPSS软件默认的是第二种.主成分的选取和你说的载荷量小于

因子载荷a（ij）的统计意义就是第i个变量与第j个公共因子的相关系数即表示X（i）依赖F（j）的份量（比重）.统计学术语称作权,心理学家将它叫做载荷,即表示第i个变量在第j个公共因子上的负荷,它反映了