问卷不适合做因子分析
答：KMO小于0.6表明不适合做因子分析。
答：是要用尽量少的因子来代表尽量多的变量。比如说一份有20道题的智力问卷通过因子分析提取出两个因子，语言能力和数学能力，这样就可以用这两个因子来代表这20个变量。因子抽取的时候，既要看累计方差贡献率(＞80%为宜)，单个方差贡献率也不能太小。如果条件不满足就不适合做因子分析。
答：可能是量表本身的问题，也可能是你数据抽样问题，还可能是反向计分题的问题。综合考虑，既然做因子分析，就以自己的结果为准。
答：因子分析有两种，一种是探索性因子分析，一种验证性因子分析。探索性因子分析 适合运用的是 当你对问卷本身没有非常清晰的维度假设和认知的基础上，通过这个方法来探索了解它的维度时使用，就像你最开始第一步 对问卷的维度不清楚时使用；而一旦清楚了这个维度或者已经事先有了维度假设的时候，此时就不...
答：62、如果这样还没有效果，建议你删除问卷中的一些题目原因分析：1、数据样本量不够。因为不仅仅是保持1：5的比例，因为你做问卷前会有理论假设，这个时候会有一个大概预期，将来会有几个因子，要保证样本量和因子数的比例是30：12、问卷质量不高，有些人没有好好填，影响了整体效果 ...
答：你的数据的因子共出来了16个，前六个是六点相关，后面只有三点相关。建议：1、增加样本含量，150还是比较少的。2、 SPSS分析时勾选上旋转试一试，看看因子能不能减少。3、重新选取相关性较好的数据项。只能这么说了。 希望你追问，最好说一下你的数据内容，这样才知道你的调查设计的问题出在哪儿...
答：不知道你做因子分析是想干什么的，是将问卷的题目归类吧 只能达到60%可以用的，不过你看一下球形检验有没有通过，如果通过了 就可以用的 当然如果是问卷题目归类，你还可以针对一阶因子分析的结果 再进行二阶的因子分析，从而将问卷一层层的归类，使得问卷结构合理 ...
答：在SPSS中进行问卷数据探索因子分析是处理无明显维度划分题项的重要步骤。其目的是通过统计分析揭示潜在维度，达到降维或优化数据的目的。与主成分分析不同，因子分析寻求隐藏的因子，而非单纯放大主要成分。下面以一个43题自我效能问卷为例，详细演示操作过程。首先，导入数据并选择“分析”-“降维”-“因子...
答：你好。因子分析之前要用KMO检验和Bartlett球形检验。(1)KMO。用于检查变量间的偏相关性,取值在0-1之间。KMO值越接近于1,变量间的偏相关性就越强,因子分析效果就好。KMO值0.9以上极适合做因子分析,0.8以上适合做因子分析,0.7以上尚可,0.6以上勉强可以,0.5以上不适合,0.5以下非常不适合。实际运用中,在0.7以上,效果比...
答：不需要一致。要看你的问卷长度，如果很多的话，还要保证至少是题目数量的4倍。
网友评论：
国卓18663676596：
spss因子分析问卷的效度因子方差积累率只有50%怎么办? -
51046漆京
： 可以删除变量
国卓18663676596：
调查问卷中,什么样的问题适合做SPSS的因子分析?可以举几个例子吗? -
51046漆京
： likert问卷适合进行因子分析的
国卓18663676596：
用SPSS做问卷的结构效度分析时,是对问卷所有变量的测量题项得到的结果进行因子分析 -
51046漆京
： 对每个所有题项进行因子分析,如果KMO和Bartlett球形检验的结果表明其并不适合做因子分析这说明你的数据有问题,结构效度现在分为两种一种用因子分析的方法,但是这种不咋用了,还有一种是用结构模型验证,这是当前常用的方法 还有不明白的可以看我们的资料,加我们
国卓18663676596：
什么样的调查问卷适合做因子分析法? -
51046漆京
： 因素分析法 趋势分析法
国卓18663676596：
怎么因子分析可信度这么低?? -
51046漆京
： KMO小于0.6表明不适合做因子分析.
国卓18663676596：
按照模型做的问卷把因子分成4个部分,但是spss因子分析成分提取的时候只提出来3个怎么办 -
51046漆京
： 如果你是用别人已经修订好的问卷做研究,那最好还是能提取4个,直接提取不成那就在因子提取方法里选强制抽取4个,完全可以,这个时候你再看看KMO,特征值方差贡献率,共同度和因子载荷,如果都比较好(一般就是说KMO值0.8以上,方差贡献率起码0.4,共同度起码也有0.4,因子载荷起码均在0.4以上),那就OK,若是不好,酌情删除一些题目(主要是看因子载荷,太低的删,一个题目在两个因子上载荷接近的也删),再重新做因子分析看结果 如果这个模型是你自己构想的,还不是很成型,那提取三个因子也可能有它的道理,你看看三个因子能否有个合理的命名,如果可以,那也OK
国卓18663676596：
在检验数据是否合适作因子分析时 -
51046漆京
： 你好.因子分析之前要用KMO检验和Bartlett球形检验. (1)KMO.用于检查变量间的偏相关性,取值在0-1之间.KMO值越接近于1,变量间的偏相关性就越强,因子分析效果就好.KMO值0.9以上极适合做因子分析,0.8以上适合做因子分析,0.7以上尚可,0.6以上勉强可以,0.5以上不适合,0.5以下非常不适合.实际运用中,在0.7以上,效果比较好;在0.5以下时,不适合应用因子分析. (2)Bartlett球形检验.用于判断相关矩阵是否是单位阵,即各变量是否有较强的相关性.P<.05,不服从球形检验,应拒绝各变量独立的假设,即变量间有较强相关;P>.05时,服从球形检验,各变量相互独立,不能做因子分析.
国卓18663676596：
KMO值小于0.6,不适合因素分析,应该怎样建立模型 -
51046漆京
： KMO值是相关系数与偏相关系数的一个比值.KMO值最大接近1.KMO值小,对因子分析不利,当KMO值愈大时,表示变量间的共同因素愈多,愈适合进行因素分析. 因子分析是种探索分析,KMO<0.5说明不适合因子分析,不能说问卷是失败的.
国卓18663676596：
您好!!!,我想请问数据库因子分析和信度分析非常不理想,可否自行更改数据提高信度?没时间重发问卷了 -
51046漆京
： 并不一定要修改数据,你可以尝试进行数据的重新选择,一个数据库里面有非常多数据,那你可以随即选择其中的数据进行分析. 另外做信度分析时 还可以对问卷进行一定的删减,通过分析剔除某个题目后整体信度变化来判断,那个题目可以删掉不要 这样也可以对信度有一定的调整和提高
国卓18663676596：
spss里,因子分析,当KMO小于0.5.证明不太适合做因子分析,但是Bartlett的p值小于显 -
51046漆京
： 通常是需要两个条件同时满足. 不过虽然说不适合因子分析,但是还是可以利用当前的因子分析结果(主要是因子载荷和共同度)并结合信度分析(alpha系数)、区分度分析(如题总相关)等获得一些有用的信息,通过一些相应的指标发现一些测量学性质较差的题目(不符合理论设想或者你的基本假设的),然后再来试试因子分析,也许KMO会好些
