谢谢  又学习了一招

学习了~

lz，我也是菜鸟级别，以下回答仅供参考：

1，因子载荷是负数，如果-0.9，那么与正的 0.7比，谁在共因子factor影响大呢，在考虑因子载荷矩阵分析，为了理清因子变量的实际含义，需要弄清楚这个问题，急求教！
因子载荷的数据来自于因子和自变量的相关系数，如果是负数，也就是负的相关系数，载荷信息很多，但是是负相关的关系。

2，因子分析 和主成分分析，在spss操作上有哪些不同？
因子分析和主成分分析，如果在操作上，如果是SPSS默认的设置，就是Factor那个操作，默认的话，一般就属于主成分分析。如果更改了比如旋转方式、获取因子的标准等，就是因子分析。两者都是为了降维，但是主成分得出的因子没有明确的意义。如果要得到明确意义的因子，要使用因子分析。

不知道我的理解对不对，希望有牛人指点~~

好人

那那个负数如何处理呢？当成正数看待吗？

这说明，你前期没有很好的分析过这些指标的性质，为衡量一个对象同时采用了正向指标和负向指标。为此，在进行因子分析时，必须对负向指标正向化，这样可避免同一个因子下一些因子载荷为正数，一些因子载荷为负数，而导致的对该因子解释的尴尬。正向化方法很多，比如直接取负向指标值的负数为新变量，或者用该负向指标的最大值减去其余值而得到新变量。

因子荷载的系数只需要看绝对值，大的表示在共同因子上比较显著

因子载荷为负数并不表示其载荷很小，负号并不反映载荷量大小，而只是表明该题目与所归属的因子主要含义相反，例如A1是一个反应应试教育观强烈的题目，它的含义与所归属的因子“素质教育理念”相反，确切的说是得分方向相反。在心理学、教育学的问卷或量表中，此类题目往往作为反向计分题出现。
        处理1：如果一个题目的因子载荷为负数，但是载荷量绝对值比较大，这个题目是应该保留的。
       此外，一个指标或题目，其取值符号改变或者计分方向改变，那么它的因子载荷符号就会发生正负号的反向改变。例如，某个经济指标原先是降序录入的，将原始数据升序修改后，其主成分分析或因子分析中的因子载荷负号就会发生反向改变；再如，A1题原先是1—5计分法，如果1改为5、2改为4、5改为1、4改为2之后，因子分析的因子载荷正负号也会发生改变。但以上情况只是该题目发生符号改变而已，其他题目不会受到影响，KMO值、总方差解释率解释率、因子结构等等都不会发生任何改变。
       处理2：如果在主成分或因子分析中发现某个指标的因子载荷为负数，这就提示我们这个题目或指标很可能是逆指标或反向计分题，需要考虑正向化处理。

感谢楼主帮助！

楼主您好，但是我还是有个问题，即使进行无量纲化处理，SPSS不也会根据自己的程序重新进行标准化处理吗（就如您在一楼附上的链接里面的描述那样），如果是SPSS根据自己的法则进行标准化处理，结果会不会也是出现负数呢？谢谢

对于你的问题：

1. 因子载荷的大小是用来衡量变量与因子之间的相关性的。无论是正数还是负数，其绝对值越大，表示该变量与因子的关系越强。所以，-0.9比0.7的影响更大，尽管它们一个是负相关，另一个是正相关。在解释因子时，负数意味着变量与因子的关联方向相反，而正数则表示相同方向。

2. 在SPSS中进行因子分析和主成分分析的操作有以下几点不同：
   - 目的不同：因子分析主要目的是通过少数几个公共因子来解释大部分变量间的方差，以简化数据；主成分分析则是为了找出能最大化变量间差异的新的综合变量（主成分）。
   - 因子旋转：在因子分析中，通常会进行因子旋转（如最大方差法或正交旋转），以便得到更容易解释的因子结构；而在主成分分析中，这不常见，但可以选择进行。
   - 解释方式：因子分析的因子载荷用于解释变量与因子之间的关系，并且需要根据理论背景来命名因子；主成分是综合变量，直接通过主成分得分来描述数据。

希望这些信息能帮助你解决困惑。如果还有其他问题，欢迎继续提问！

此文本由CAIE学术大模型生成，添加下方二维码，优先体验功能试用