㈠ 因子分析法的问题
调查问卷的数据很适合用因子分析法来分析的。因为人们对每道题的回答只不过是个表象罢了，其实真正的内在决定因素是人们的心态，价值观等因素。
如果你有此数据了，欢迎分享，我们共同分析研究。
㈡ 关于spss做因子分析问题，在线等急用！
按照它的解释，至少需要两组数据做因子分析，而你指输入了一组变量数据，这样是没法做分析的，或者你所输入的当前变量不能够被计算，程序也找不到新的数据。
我想最起码，你需要重新输入两组可进行计算的变量数据，要注意“描述性”按钮、“抽取”按钮、“旋转”按钮和“因子得分”按钮的选项。注意一下细节，比如变量的定义之类的。
㈢ spss因子分析问题（初学者）
（1）f1和f2在进行因子分析的时候选择scores选项中设置即可，spss会自动计算出f1和f2，无需手动计算，公式只是告诉你计算方法，不代表作者真的这么计算了。
（2）是把各个指标对综合得分的影响系数进行归一化而非把主成分因子的贡献率归一化
（3）第三问如第一问
（4）在得出两个因子的基础上综合得分=f1*f1的贡献率+f2*f2的贡献率
收分走人睡觉
㈣ SPSs做因子分析 遇到问题，请解决
可能你的数据中CASE太少了，或原始变量太多。
㈤ 关于spss单因子分析法的错误问题，懂spss和统计的帮帮忙
你的数据不适用因子分析
因子分析的自变量应该是定类的，比如“男”“女”这样名义变量，数值型的话至少应该是非连续性的。
at least one group has fewer than two cases说穿了就是你的自变量太少
因为你的因变量用了分数这样的连续性变量 所以就有太多的取值 对应的自变量个数就太少
你把期末成绩按照取值区间换成“及格”“不及格”这样的变量，或者换成“优秀”“良好”之类，然后把这些虚拟变量定义为1、2等再做就可以了。
㈥ SPSS做因子分析遇到疑难请解决
提示的信息显示你做分析的变量至少有一组具有零方差，零方差意味着这组变量是没有波动的，这还能是变量吗？不可能再做分析的，无论在什么分析中。
不是说变量多就有助于因子分析，请你检查每组变量，剔除常数列吧。
㈦ spss因子分析相关问题请高人指教，论文答辩在即，十分急，多谢
因子分析要小心使用的。
1.你在做问卷前，必须把可能的因子分类考虑清楚。
2.通过分析把因子分类好之后，需要把几个主因子逻辑分类，就是把主因子命名。
3.你所说的正负相关性，那就是你要考虑你的问卷结构的逻辑性。比如，抽烟越多，健康越差，运动越多，健康越好，因变量是抽烟和运动，一个是负相关，一个是正相关，你不能把两个因变量放到一起。
所以你要看看你的因子里面的逻辑结构会不会有错误，如果有，可以考虑删掉1-2个因子再分析，如果有问题，可以再提出来
㈧ 因子分析法的优缺点
它的优缺点是相对主成分分析法而言的
因子分析法与主成分分析法都属于因素分析法，都基于统计分析方法，但两者有较大的区别：主成分分析是通过坐标变换提取主成分，也就是将一组具有相关性的变量变换为一组独立的变量，将主成分表示为原始观察变量的线性组合；而因子分析法是要构造因子模型，将原始观察变量分解为因子的线性组合。通过对上述内容的学习，可以看出因子分析法和主成分分析法的主要区别为：
(1)主成分分析是将主要成分表示为原始观察变量的线性组合，而因子分析是将原始观察变量表示为新因子的线性组合，原始观察变量在两种情况下所处的位置不同。
(2)主成分分析中，新变量Z的坐标维数j(或主成分的维数)与原始变量维数相同，它只是将一组具有相关性的变量通过正交变换转换成一组维数相同的独立变量，再按总方差误差的允许值大小，来选定q个(q<p)主成分；而因子分析法是要构造一个模型，将问题的为数众多的变量减少为几个新因子，新因子变量数m小于原始变量数P，从而构造成一个结构简单的模型。可以认为，因子分析法是主成分分析法的发展。
(3)主成分分析中，经正交变换的变量系数是相关矩阵R的特征向量的相应元素；而因子分析模型的变量系数取自因子负荷量，即。因子负荷量矩阵A与相关矩阵R满足以下关系：
其中，U为R的特征向量。
在考虑有残余项ε时，可设包含εi的矩阵ρ为误差项，则有R
−
AAT
=
ρ。
在因子分析中，残余项应只在ρ的对角元素项中，因特殊项只属于原变量项，因此，的选择应以ρ的非对角元素的方差最小为原则。而在主成分分析中，选择原则是使舍弃成分所对应的方差项累积值不超过规定值，或者说被舍弃项各对角要素的自乘和为最小，这两者是不通的。
㈨ 因子分析后做回归分析遇到问题不会分析
不是直接纳入，还要加权求新变量才能纳入
不是线性关系没关系的，不受回归的限制
回归分析的目的不是为了得到线性关系
很多基本概念你弄错了