不是剔除，而是用因子分析进行降维，比如几个所有变量的线性组合来表示以前的全部变量，并计算因子得分。不过因子有时候意义不是太明确

能否不将所有变量纳入因子分析模型，只将专业上认为可能存在多重共线性的指标纳入模型合成一个指标。即如果指标一共有20个，我不将20个指标全部纳入模型做分析，而是将20个指标中的3个专业上认为存在多重共线性的指标纳入模型做分析，得到一个新的综合变量用以代替3个小指标。

1）初始因子的提取：一般有主成分法和迭代主成分法。在这一过程中我们首先就可从众多原始因素中初步找出初始因子；
2）初始因子的旋转：和主成分一样，上述初始因子的实际意义并不明确。我们可以通过初始因子的旋转达到目的，使每个变量在诸公因子上的负荷向两极端分化，在一个公因子上的负荷尽量大，而在其余公因子上的负荷尽量小，也就是说，使每个变量在各公因子上的负荷变异最大 ；又为了使新的公因子仍然相互独立，需要保持因子间相互垂直。--这种方法即变异最大正交旋转法，其目的就是使新因子的意义比较明确，变量的共性方差则不增不减。
3）根据相应的统计学检验结果，得出具体结论。
4）至于那些数值的具体选取，我想可能是参考具体资料，或相关经验，文献等，

可以你需要几个就写几个的~

可以你需要几个就写几个的~