2．“Analyze”（分析）选项方框 （1）“Correlation matrix”（相关矩阵）：以相关矩阵来抽取因素；
（2）“
Covariance matrix”（共变异系数矩阵）：以共变量矩阵来抽取因素。
3．“Display”（显示）选项方框 （1）“Unrotated factor solution”（未旋转因子解）：显示未转轴时因素负荷量、特征值及共同性；
（2）“Screet plot”（陡坡图）：显示陡坡图 4．“Extract”（萃取）选项方框 （1）“Eigenvalue over:”（特征值）：后面的空格内定为1，表示因素抽取时，只抽取特征值大于1者，使用者可随意输入0至变量总数之间的值；
（2）“Number of factors”（因子个数）：选取此项时，后面的空格内输入限定之因素个数。
在“Factor Analysis:Extraction”对话窗口中，抽取因素方法选择“Principal components”，选取“Correlation matrix”、并勾选“Unrotated factor solution”、Screet plot”等项，在抽取因素时限定在特征值大于1者，在“Eigenvalue over:”后面的空格内输入1。
Rotation…（萃取…）按钮，会出现“Factor Analysis:Rotation”（因
子分析：旋转）对话窗口
1．“Method”（方法）选项框内有6中因素转轴方法（1）“None”：不需要转轴； （2）“Varimax”：最大变异法，属正交转轴法之一；（3）“Quarimax”：四次方最大值法，属正交转轴法之一；（4）“Equamax”：相等最大值法，属正交转轴法之一；（5）“Direct Oblimin”：直接斜交转轴法，属斜交转轴法之一；
（6）“Promax”：Promax转轴法，属斜交转轴法之一。 2．“Display”（显示）选项框： （1）“Rotated solution”（转轴后的解）：显示转轴后的相关信息，正交转轴显示因素组型（pattern）矩阵及因素转换矩阵；斜交转轴则显示因素组型、因素结构矩阵
与因素相关矩阵。
（2）“Loading plot”（因子负荷量）：绘出因素的散布图。 3．“Maximum Iterations for Convergence”：转轴时执行的叠代（iterations）最多次数，后面内定的数字25（算法执行转轴时，执行步骤的次数上限）。
在“Factor Analysis:Rotation”对话窗中，选取“Varimax”、“Rotated solution”等项。研究者要勾选“Rotated solution”选项，才能显示转轴后的相关信息。
Score…（分数）按钮
1．“
Save as variable”（因素存储变量）框
勾选时可将新建立的因素分数存储至数据文件中，并产生新的变量名称（内定为fact_1、fact_2等）。在“Method”框中表示计算因素分数的方法有三种：
（1）“Regression”：使用回归法； （2）“Bartlett”：使用Bartlette法； （3）“Anderson-Robin”：使用Anderson-Robin法； 2．“Display factor score coefficient matrix”（显示因素分数系数矩阵）选项勾选时可显示因素分数系数矩阵。
Options…（选项）按钮，会出现“Factor Analysis:Options”（因子
分析：选项）对话窗口
1．“Missing Values（遗漏值）框选项：遗漏值的处理方式。 （1）“Exclude cases listwise”（完全排除遗漏值）：观察值在所有变量中没有遗漏者才加以分析；
（2）“Exclude cases pairwise”（成对方式排除）：在成对相关分析中出现遗漏值的观察值舍弃；
（3）“Replace with mean”（用平均数置换）：以变量平均值取代遗漏值。
2．“Coefficient Display Format（系数显示格式）框选项：因素负荷量出现的格式。
（1）“Sorted by size”（依据因素负荷量排序）：根据每一因素层面之因素负荷量的大小排序；
（2）“Suppress absolute values less than”（绝对值舍弃之下限）：因素负荷量小于后面数字者不被显示，内定的值为0.1。
在“Factor Analysis:Options”对话窗口中，勾选“Exclude cases listwise”、“Sorted by size”等项，并勾选“Suppress absolute values less than”选项，正式的论文研究中应呈现题项完整的因素负荷量较为适宜。
按Continue按钮，再按OK确定。
五、因素分析的结果解释
1．报表1——KMO测度和Bartlett球形检验表
KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. Bartlett's Test of Sphericity .857 Approx. Chi-Square df Sig. 1187.740 231 .000
KMO是Kaiser-Meyer-Olkin的取样适当性量数。KMO测度的值越高（接近1.0时），表明变量间的共同因子越多，研究数据适合用因子分析。通常按以下标准解释该指标值的大小：KMO值达到0.9以上为非常好，0.8～0.9为好，0.7～0.8为一般，0.6～0.7为差，0.5～0.6为很差。如果KMO测度的值低于0.5时，表明样本偏小，需要扩大样本，此处的KMO值为0.857，表示适合进行因素分析。Bartlett球体检验的目的是检验相关矩阵是否是单位矩阵（identity matrix），如果是单位矩阵，则认为因子模型不合适。Bartlett球体检验的虚无假设为相关矩阵是单位阵，如果不能拒绝该假设的话，就表明数据不适合用于因子分析。一般说来，显著水平值越小（<0.05）表明原始变量之间越可能存在有意义的关系，如果显著性水平很大（如0.10以上）可能表明数据不适宜于因子分析。本例中，Bartlett球形检验的?2值为1187.740（自由度为231），伴随概率值为0.000<0.01，达到了显著性水平，说明拒绝零假设而接受备择假设，即相关矩阵不是单位矩阵，代表母群体的相关矩阵间有共同因素存在，适合进行因素分析。
2．报表2——共同因子方差（共同性）表
Communalities
a1 a2 a3 a4 a5 a6 a7 a8 a9 a10 a11 a12 a13 a14 a15 a16 a17 a18 a19 a20 a21 a22
Initial 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000
Extraction
.719 .656 .734 .675 .612 .755 .631 .572 .706 .784 .756 .774 .564 .706 .662 .500 .748 .554 .502 .767 .654 .471
Extraction Method: Principal Component Analysis.
上表报告的是共同因子方差，即表明每个变量被解释的方差量。初始共同因子方差（Initial Communalities）是每个变量被所有成份或因子解释的方差估计量。对于主成份分析法来说，它总是等于1，因为有多少个原始变量就有多少个成份（Communalitie），因此共同性会等于1。
抽取共同因子方差是指因子解中每个变量被因子或成份解释的方差估计量。这些共同因子方差是用来预测因子的变量的多重相关的平方。数值小就说明该变量不适合作因子，可在分析中将其排除。
3．报表3.1——旋转前总的解释方差
Total Variance Explained
Component 1 2 3 4 5 6 7 Total 8.145 2.728 1.300 1.262 1.066 .922 .869 Initial Eigenvalues % of Variance 37.024 12.400 5.908 5.736 4.845 4.193 3.951
Extraction Sums of Squared Loadings Total 8.145 2.728 1.300 1.262 1.066 % of Variance 37.024 12.400 5.908 5.736 4.845 Cumulative % 37.024 49.424 55.332 61.068 65.913 Cumulative % 37.024 49.424 55.332 61.068 65.913 70.106 74.057 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22
.740 .681 .620 .526 .492 .422 .410 .343 .298 .258 .249 .211 .176 .146 .135
3.365 3.096 2.818 2.391 2.235 1.919 1.864 1.560 1.354 1.172 1.134 .957 .798 .664 .615
77.422 80.518 83.336 85.727 87.962 89.882 91.746 93.306 94.661 95.833 96.966 97.923 98.721 99.385 100.000
Extraction Method: Principal Component Analysis.
上表叫做总的解释方差表。左边第一栏为各成份（Component）的序号，共有22个变量，所以有22个成份。第二大栏为初始特征值，共由三栏构成：特征值、解释方差和累积解释方差。Total栏为各成份的特征值，栏中只有5个成份的特征值超过了1；其余成份的特征值都没有达到或超过1。％of Variance栏为各成份所解释的方差占总方差的百分比，即各因子特征值占总特征值总和的百分比。Cumulative％栏为各因子方差占总方差的百分比的累计百分比。如在％of Variance栏中，第一和第二成份的方差百分比分别为37.024、12.400，而在累计百分比栏中，第一成份的累计百分比仍然为37.024，第二成份的累计方差百分比为49.424，即是两个成份的方差百分比的和（37.024+12.400）。
第三大栏为因子提取的结果，未旋转解释的方差。第三大栏与第二大栏的前五行完
全相同，即把特征值大于1的四个成份或因子单独列出来了。这四个特征值由大到小排列，所以第一个共同因子的解释方差最大。
3．报表3.2——旋转后总的解释方差
Total Variance Explained
Component 1 2 3 4 5 6 7 8 9 10 11
Rotation Sums of Squared Loadings Total 5.113 3.917 2.035 1.728 1.707 % of Variance 23.243 17.806 9.249 7.856 7.759 Cumulative % 23.243 41.049 50.298 58.154 65.913