因子分析是一种强大的多元统计方法，它能帮助我们从大量可观测变量中提炼出少数几个潜在的“因子”，从而简化数据结构，揭示变量背后的内在规律。下面将详细解析其原理、在SPSS中的操作步骤以及结果解读的要点。

一、因子分析的核心原理与作用

​核心思想​：因子分析基于一个基本假设，即我们实际观察到的多个变量（比如一份问卷中的各个题目），其表现实际上是由少数几个无法直接测量的、潜在的“公共因子”所驱动的。同时，每个变量也受到一个只影响它自己的“特殊因子”的影响。其数学模型可以表示为 X = AF + ε，其中 X是观测变量，F是公共因子，A是因子载荷矩阵，ε是特殊因子。

​主要作用​：

• ​数据降维​：将众多高度相关的变量浓缩为少数几个有实际意义的因子，使后续分析（如回归、聚类）更便捷。

• ​探索结构​：在研究的初期阶段，帮助识别数据中存在的潜在维度或结构，例如从30个问卷题目中归纳出几个核心的心理特质。

• ​构造综合指标​：通过计算因子得分，可以为每个样本在某个因子上打分，用于综合评价和排序。

为了更直观地理解其应用，我们可以看一个例子：

应用领域	具体示例 (公共因子 ← 观测变量)
​心理学研究​	智力（言语理解、逻辑推理、工作记忆）
​市场研究​	品牌形象（产品设计、广告印象、售后服务）
​教育评估​	学业成就（语文成绩、数学成绩、英语成绩）
​环境监测​	空气质量（二氧化硫、可吸入颗粒物、细颗粒物）

二、实施因子分析的前提条件

在开始分析前，必须检查数据是否满足以下条件：

1. ​变量相关性​：变量之间需要存在足够强的相关性，这样才能提取出公共因子。通常通过 ​KMO检验​ 和 ​Bartlett球形检验​ 来判断。

2. ​样本量​：一般建议样本数至少是变量数的5-10倍，并且总样本量不宜少于100。

3. ​变量类型​：因子分析通常要求变量是连续或有序分类的（如李克特五点量表）。

三、SPSS操作步骤详解

以下是SPSS中执行探索性因子分析的标准流程：

1. ​进入分析界面​

   • 点击菜单栏的 分析(A)-> 降维-> 因子分析。

2. ​设置变量与选项​

   • ​变量(V)​​：将需要分析的所有变量选入右侧的变量框。

   • ​描述(D)​​：勾选 原始分析结果和 KMO和巴特利特球形度检验。

   • ​抽取(E)​​：

     • 方法选择 主成分（最常用）。

     • 输出勾选 未旋转的因子解和 碎石图。

     • 提取标准通常选择 基于特征值大于1。

   • ​旋转(T)​​：

     • 方法选择 最大方差法（最常用的正交旋转方法，它假设因子间相互独立）。

     • 输出勾选 旋转解和 载荷图。

   • ​得分(S)​​：勾选 保存为变量，方法选 回归；同时勾选 显示因子得分系数矩阵。

   • ​选项(O)​​：勾选 按大小排序并设定一个抑制绝对值（如0.4或0.5），这样输出结果更清晰。

四、结果解读与注意事项

运行分析后，你需要按顺序解读以下几个关键表格和图形：

1. ​KMO和巴特利特球形检验​

   • ​KMO值​：这个值介于0到1之间。​>0.9​ 表示极适合；0.8-0.9​ 表示适合；0.7-0.8​ 表示一般；​<0.6​ 则不适合进行因子分析。

   • ​巴特利特球形检验显著性 (Sig.)​​：这个值需要 ​​<0.05。如果显著，说明变量间存在显著相关性，适合做因子分析。

2. ​公因子方差​

   • 这个表格显示了每个原始变量的信息能被公共因子解释的比例（共同度）。​共同度越高（通常>0.5或0.6），说明该变量被因子解释得越好，保留的价值越大。

3. ​总方差解释与碎石图​

   • ​总方差解释表​：这是决定提取几个因子的核心依据。重点关注“旋转后平方和载入”部分的 ​累计方差贡献率。这个比率代表了提取出的因子对所有原始变量总方差的解释能力。​一般要求达到60%以上，越高越好。

   • ​碎石图​：图形中横坐标是因子序号，纵坐标是特征值。曲线会从陡峭变为平缓，​通常选取陡峭曲线部分对应的因子​（即特征值大于1的因子）。这个图可以辅助验证从总方差解释表中得出的因子数量判断。

4. ​旋转后的成分矩阵​

   • 这是为因子命名的直接依据。表格显示了每个原始变量在各个因子上的载荷值​（可理解为相关系数）。​绝对值越大（通常>0.5或0.6），说明该变量与因子的关系越紧密。

   • ​命名因子​：观察哪些变量在同一个因子上有高载荷，然后根据这些变量的共同含义，为这个因子起一个简洁、概括性的名字。例如，如果“网店浏览量”、“线上广告费用”等在因子1上载荷高，可将其命名为“线上运营因子”。

5. ​因子得分​

   • 分析完成后，SPSS会在数据视图末尾生成新的变量（如FAC1_1, FAC2_1），这就是每个样本的因子得分。这些得分可以用于后续的综合评分、排序或作为其他分析的输入变量。

五、重要注意事项

• ​因子旋转的选择​：如果理论上认为提取出的因子之间是相关的（比如“满意度”和“忠诚度”），可以尝试使用斜交旋转（如Promax），这样结果可能更符合实际。

• ​因子数量的确定​：除了“特征值大于1”准则，还需结合碎石图的拐点、累计方差贡献率（通常>60%）、以及因子的可解释性来综合决定。有时略微增加或减少一个因子可能让整体结构更清晰。

• ​结果不等于真理​：因子分析是一种探索性技术，其结果强烈依赖于你所使用的变量和选择的方法。最终的因子结构必须结合专业知识和实际意义进行审慎解读。

 六、SPSS统计分析学习教材推荐

关于SPSS，作为一个从事统计分析教学多年的老师，接触过很多学生。针对没有统计学基础的新手和小白，SPSS入门方面，建议一定边看书边操作，通过边学知识边上手操作的方式学习，会事半功倍，也有解决问题的成就感。否则很容易在复杂的数学推导或枯燥的理论知识面前丧失本就不多的学习热情。学习资料方面，推荐四本避雷避坑、亲测可行的网红图书，也是杨维忠、张甜老师撰写的SPSS四部曲，这些书都提供相关的数据文件、讲解视频、PPT等学习资料。

（1）《SPSS统计分析入门与应用精解（视频教学版）》杨维忠 张甜 编著 清华大学出版社。这是一本很经典的教材，出版于2022年初，几十所高校选做教材，加印十余次，长期占据各大平台畅销榜，属于已经被实践反复证明过的书。山东大学陈强教授作序推荐，通过“精解统计分析原理、精解SPSS窗口选项设置、精解SPSS输出结果”三要素，帮助读者真正掌握常用统计分析软件SPSS的应用。适用于经济金融、管理、市场营销、教育学、心理学、医学等各类专业。

全书共14章。第1章为SPSS基础与应用操作概述；第2~7章介绍SPSS的基本统计分析方法，包括描述统计分析方法、比较平均值分析方法、非参数检验方法、相关分析方法、一般线性模型、各类常用回归分析方法等；第8~13章介绍SPSS的常用高级统计分析方法，包括时间序列预测方法、聚类分析方法、决策树分析与判别分析方法、生存分析方法、降维分析方法等；第14章为如何使用SPSS进行高质量综合性研究。每章有教学重点提示，章后有“知识点总结与练习题”，帮助读者增强学习效果，形成了“从基础原理到操作精解，从数据分析到案例应用”的完整教学闭环。与本书配套的还有教学PPT和作者新讲解的全套视频资料以辅助教学，力求实现最佳教学效果。

（2）如果是写论文使用SPSS，则推荐《SPSS统计学基础与实证研究应用精解》张甜 杨维忠著 清华大学出版社。这本书最大的特色是除了SPSS统计分析，还有专门的章节讲解实证研究写作、调查问卷设计、T检验、ANOVA分析、相关性分析、回归分析、中介、调节效应等等。

这本书相对贵一些，但绝对物有所值，可以说是市面上最为全面的讲述SPSS的书了，本书手把手教会使用SPSS撰写实证研究类论文或开展数据分析，常用统计学原理、实证研究的套路、调查问卷设计、信度分析、效度分析、T检验、ANOVA分析、相关性分析、回归分析、中介效应、调节效应、因子分析、聚类分析……一应俱全。

大家对比下各本书的目录就知道了。这本书共21章，框架非常清晰。第1章~第3章补基础，为专业知识基础，分别介绍了SPSS入门知识（SPSS基础），统计学知识精要回顾（统计学基础），实证研究与调查问卷设计（实证研究基础），所以说这本书真的适合零基础；第4章~第6章找感觉，为常用的数据分析方法，分别介绍了数据加工处理，统计分析报表制作，统计图形绘制，学完了就入门了；第7章~第15章进入深水区，也是最重要、最实用、最有特色的部分，可以说整本书的关键卖点之所在，具体包括描述统计分析，均值比较、T检验、单因素方差分析，非参数检验，多因素方差分析与多因变量分析，相关分析，回归分析，因子分析、主成分分析与对应分析，调查问卷之信度分析与效度分析，实证研究之中介效应和调节效应，看到了吧，学完了这些还愁写论文吗？第16章~第21章面向医学等特色专业以及工作实践应用，为常用的专业统计分析方法，具体包括生存分析、聚类分析、决策树分析与判别分析、多维标度分析、ROC曲线分析、RFM分析。真的是太全面了，真可谓是一书在手，SPSS再也不愁。

​（3）2025年，张甜、杨维忠与高校教师、学生的日常互动交流中，仍感受到大家对一本难度适中、易于理解且能指导实践的SPSS统计学教材的迫切需求，需要解决以下问题：首先，难度系数不能过高，否则对于数学基础较为薄弱的学生来说，学习会较为吃力，收获有限；其次，不能仅注重SPSS操作，而忽视与统计学的结合，否则学生可能只会SPSS操作，却不了解统计分析方法的原理；最后，不能过于侧重理论探析与数学推导，而忽视应用能力的培养。于是就编写了这本最新的《SPSS统计学与案例应用精解》张甜 杨维忠 清华大学出版社 2025年：出圈即巅峰，快速在各大平台上走红，首次发行的1000多本很快就售空了。

书中既有统计学原理介绍，也有非常好的案例辅助学习，真的属于包教包会的那种。为零基础读者设计，特色在于有专门的章节讲解入门用的统计学知识，以及操作所用的案例都是真实的，数据质量很高，基于37份真实权威经济社会统计数据和20份调查研究数据编写29个数据加工处理案例和49个统计分析应用案例。涵盖宏观经济、国际贸易、人口就业、商品物价、外汇储备、医学药学、天文气候、交通运输、能源替代、行业分析、企业管理、银行经营、股票基金、日常生活等领域。

本书共16章。第1~第3章为SPSS统计学入门篇，介绍SPSS入门、数据加工处理和统计学知识；第4~第7章为基础统计方法案例应用，具体包括统计图形绘制，描述统计分析，均值比较、T检验、单因素方差分析和非参数检验；第8~第10章为高阶统计方法案例应用，具体包括多因素方差分析与多因变量分析、相关分析和回归分析；第11~第15章为专业统计方法案例应用，具体包括因子分析、信度分析、聚类分析、时间序列预测和生存分析；第16章为AI工具应用，介绍AI工具在学习SPSS中的应用。

4.如果是使用SPSS开展数据挖掘、机器学习以及统计分析的综合应用，推荐《SPSS统计分析商用建模与综合案例精解》杨维忠 张甜编著 清华大学出版社 2021年 。国内众多高校作为核心专业课程教材。在51CTO举办的“2021年度最受读者喜爱的IT图书作者评选”中，《SPSS统计分析商用建模与综合案例精解》荣获“数据科学领域最受读者喜爱的图书TOP5”。

四本书可谓是各有特色，大家可以结合自己的需要选择，当然也可以集齐一套收藏。我简单总结下，《SPSS统计学原理与实证研究应用精解》最全面，用来写论文最好；《SPSS统计学与案例应用精解》最新，案例最好，也有统计学基础，用于当教材；《SPSS统计分析入门与应用精解》最经典，操作讲的很细致，书买的便宜，性价比最高；《SPSS统计分析商用建模与综合案例精解》讲的是综合案例、机器学习，适合实践导向、侧重应用的高校以及职场人士选择。