因子分析中因子的提取标准有很多，最简单的有两种。一是特征根大于1，这种方法是最普遍使用的，也是在spss中的默认提取法，即 the Kaiser Criterion，这种方法的缺点是可能提取出的因子数过多. 二是scree plot法，观察scree plot，坡度比较陡的因子数。当然两种方法结合使用比较好。

同问 顶顶顶

结合起来用。比如如果提取特征值大于1的累积贡献达不到85%，你可以把那些0.9以上接近1的也考虑进去。个人感觉统计学里的一些标准都不是绝对的，没有绝对适合，只有相对还行吧。实际应用中累积贡献75%的也有不少论文用到了，还是发的核心

可以的 ，在案例中见过。
公因子特征根大于1，表示里面的信息包含多于一个因素。是有很好的信息浓缩效果。
但若果考虑到后续的分析中，需要对公因子的特征作定性描述的话，有可能考虑到只用特征根大于1的公因子会欠缺多样性。而放宽特征根的限制，务求让得出公式概括性更强，实用性和易用性更好。