1、第一步：判断是否进行因子分析,判断标准为 KMO 值大于 0.6
2、第二步：因子与题项对应关系判断.因子与题项对应关系判断:假设预期为 3 个因子(变量),分镙龟陛鹜析题项为 10 个;因子与项交叉共得到 泌驾台佐30 个数字,此数字称作”因子载荷系数”针对每个因子(变量),对应 10个”因子载荷系数”,针对每个分析项,有 3 个”因子载荷系数值”(比如 0.765,-0.066,0.093),选出 3 个数字绝对值大于 0.4 的那值(0.765),如果其对应因子 1,则说明此题项应该划分在因子 1 下面.对不合理题项进行删除,共有三种情况：1.如果分析项的共同度值小于 0.4,则对应分析项应该作删除处理；2.某分析项对应的”因子载荷系数”的绝对值,全部均于 0.4,也需要删除此分析项；3.如果某分析项与因子对应关系出现严重偏差,也需要对该分析项进行删除处理
3、第三步：因子命名在第二步删除掉不合理题项后,并且确认因子与题项对应关系良好后,则可结合因与题项对应关系,对因子进行命名
4、当前有一份数据,共涉及 15 个量表题， 希将此 15个量表题使用因子分析浓缩成4个维度：M1-M3,M4-M7,M8-M11,M12-M15。当然有可能个别项并不合适，因此有可能对其进行删除处理。上传数据后，选择spssau左侧界面中的因子分析选项
5、首先对数据进行第一次分析，本例子中 15 个量表题，此 15个题目共分为4 个维度：M1-M3,M4-M7,M8-M11,M12-M15，因此在分析前可主动告诉 SPSSAU，此 15 剐疫柩缓项是四个因子，否则 SPSSA会自动判断多少个因子(通常软件自动判断与实际情况有很大出入，所以建议动设置因子个数)。如下图：
6、分析后结果如下图，可见该数据适合进行因子分析。
7、分析后发现M4和M5，与M6,M7,M8不在同一类，应删除M4和M5重新分析
8、再次分析后结果如下表，4个维度与项之间的对应关系良好。 因子分析结束。
9、spssau还提供了碎石图等供参考。
