科研入门之数据分析：探索性因子分析不理想怎么办？

各位学术潜力股是否遇到过这样的情况：前期做了充分的文献调研，维度划分看起来已经十分靠谱了，信心满满地拿着问卷去收数据，收回来之后哒哒哒哒几下分析出一个成分矩阵，但是因子划分很奇怪！？跟预期好像不是一回事！？

别急，冷静找出问题。

1. 反思一下前期的维度划分是否有成熟的量表作参考

2. 收集的样本量是否足够大，有没有剔除无效问卷

关于样本量，要符合研究方法的条件，比如量表的样本一般要达到题项数的5倍以上。

另外，可从几个方面考虑问卷的有效性：

①答题时间太短，无效（比如一般作答时间是3分钟，实际用11秒就答完了，这就很明显没有认真阅读题目，该样本没有分析的价值）；

②全部是一样的选择，无效（这个自行斟酌）；

③前后作答矛盾（可以设置反向计分题或测谎题），无效（视具体情况而定）。

3.根据因子分析结果，剔除掉一部分不合适的题项

比如在各个因子上的载荷系数都很高，或者几个题项组合在一起根本无法命名，就需要修订量表。方法之一便是剔除一部分题项。但是要同时考虑内容效度。

4.剔除题项后重新进行探索性因子分析

5.在分析时指定因子个数

SPSS Statistics【分析】→【降维】→【因子】→【提取】→选择提取条件为【因子的固定数目】，设置要提取的因子数（如预期量表有3个维度，则设置为3）。然后再分析提取结果，判断是否达到探索性因子分析的目标。

总之，样本数量、有效样本数量、因子提取条件、更新量表后的样本题项组合，都会影响最后的因子分析结果。

这里分享一本经典参考书：吴明隆的《问卷统计分析实务——SPSS操作与应用》，豆瓣评分高达9.1分，被誉为“搞定量研究的必须人手一本的神书”！