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 .857 Adequacy. Bartlett's Test of Sphericity Approx. Chi-Square df Sig.
231 .000 KMO是Kaiser-Meyer-Olkin的取样适当性量数。KMO测度的值越高（接近时），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值达到以上为非常好，～为好，～为一般，～为差，～为很差。如果KMO测度的值低于时，表明样本偏小，需要扩大样本，此处的KMO值为，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（<）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（自由度为231），伴随概率值为<，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
Extractio a1 a2 a3 a4 a5 a6 a7 a8 a9 a10 a11 a12 a13 a14 a15 a16 a17 a18 a19 a20 a21 a22 Initial n .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——旋转前总的解释方差
Total Variance Explained
Component 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 Total .922 .869 .740 .681 .620 .526 .492 .422 .410 .343 .298 Initial Eigenvalues % of Variance Cumulative % Extraction Sums of Squared Loadings Total % of Variance Cumulative % 17 18 19 20 21 22 .258 .249 .211 .176 .146 .135 .957 .798 .664 .615 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、，而在累计百分比栏中，第一成份的累计百分比仍然为，第二成份的累计方差百分比为，即是两个成份的方差百分比的和（+）。
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——旋转后总的解释方差
Total Variance Explained
Component 1 2 3 4 Rotation Sums of Squared Loadings Total % of Variance Cumulative % 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 Extraction Method: Principal Component Analysis.
第四大栏为旋转后解释的方差。（方便显示起见，放在了表下面，作为表） Total栏为旋转后的特征值。与旋转前的Total栏相比，不难发现，四个成份的特征值有所变化。旋转前的特征值从到，最大特征值与最小特征值之间的差距比较大，而旋转后的特征值相对集中。尽管如此，旋转前、后的总特征值没有改变，最后的累计方差百分比也没有改变，让然为％。
4．表4——碎石图
SPSS因子分析法-例子解释
