我的数据如果取特征根值大于1,就只提取出1个因子,贡献率是70%左右,KMO值大于0.9,但似乎一个因子不太好解释。
如果取特征根大于0.5,就有三个因子,累计贡献率才能超过80%,但据说特征根值必须接近1?
特征根大于1是通常的标准,更多的时候需要根据理论模型来确定总共提取的因子数目,这个是大的前提。
在因子分析中,因子个数需要分析者指定(spss根据一定的条件自动设定,只要是特征值大于1的因子进入分析),而指定的因子数量不同而结果不同。
在主成分分析中,成分的数量是一定的,一般有几个变量就有几个主成分。和主成分分析相比,由于因子分析可以使用旋转技术帮助解释因子,在解释方面更加有优势。
扩展资料:
与传统的回归分析不同,结构方程分析能同时处理多个因变量,并可以比较评价不同因果关系的理论模型。与传统的探索性因子分析不同,在结构方程模型中,我们可提出一个特定的因子结构,并检验它是否吻合数据。
通过结构方程多组分析,我们可了解不同组别 (如不同性别) 内各变量的关系是否保持不变,各因子的均值是否有显着差异。
参考资料来源:百度百科-因子分析法