因子分析累计贡献率_老徐讲解—因子分析如果出现非正定矩阵，如何处理？

首先搞清楚一个概念，什么是因子分析？什么情况下需要做因子分析？

因子分析法是指从研究指标相关矩阵内部的依赖关系出发，把一些信息重叠、具有错综复杂关系的变量归结为少数几个不相关的综合因子的一种多元统计分析方法。基本思想是：根据相关性大小把变量分组，使得同组内的变量之间相关性较高，但不同组的变量不相关或相关性较低，每组变量代表一个基本结构一即公共因子。（简单点说就是，探讨存在相关关系的变量之间，是否存在不能直接观察到的但对可观测变量的变化其支配作用的潜在因子的分析方法就是因子分析，也叫因素分析。通俗点：原始变量是共性因子的线性组合。）

接下来说因子分析中如果出现非正定矩阵，怎么办？

利用spss进行因子分析时，虽然输出结果提示相关系数矩阵为“非正定矩阵”，kmo检验和bartlett球形检验均没有，但是KMO检验和巴特利球体检验主要是用来检验各变量是否适合做因子分析，而此时SPSS仍然给出了后续因子分析结果....估计有很多同学冒出了大大的问号“？”了....

其实问题主要是来自两个方面：1) 样本量太少，而指标过多 、2) 某些变量间相关性太强

很显然，解决方法要么增加样本，或者剔除某些显著强相关的变量（可以检查因子分析结果里的相关系数矩阵，是否存有部分变量相关系数大于0.9的？如果出现多个，则采用逐一淘汰的办法依次尝试，切勿全部删除影响到最终的结果，直到SPSS因子分析结果不再出现“非正定矩阵”的提示，输出结果有kmo检验和bartlett球形检验为止。）

非正定矩阵似乎对因子分析结果并无太多影响，因为我们往往只抽取了部分公因子（累计方差

贡献率>85%），特征值过小意味着方差贡献率也会很小，往往不会被选作公因子，所以对结果影响不大，这也是为什么spss仅仅是提示出现非正定矩阵，但依旧会输出因子分析结果的原因。