[img][/img]

1. 不好。建议应用MVA（缺失值分析，用EM方法替代；最好用多重插补。SPSS 17/18 有此功能了）。
2. 纬度本身与项目题意有密切关系。你拟设8个纬度，是依据理论吗？如果这个没有问题，试试应用平行分析
  （Parallel Analysis) 作为因子取舍的标准。一般来说，用特征值大于1来取舍趋于过度因子化。另外，
  还应当用斜交旋转分析一下，这样对因子解释会有帮助，尤其是你的问卷有很大的理论依据的话。
3. 可以。是否应当取决于题目本身。如果题目是‘非有不可’的，自然留下。
4. 如果反向条目聚集为因子，只要可以解释，没有什么问题呀。

小样本调查采用相关分析、探索性因子分析、内部一致性分析考察问卷的效度和信度，为量表的修订提供依据。首先，使用纠正条目的总相关系数（corrected-item total correlation，CITC，即在同一变量维度下，每一条目与其它所有条目之和的相关系数）净化测量条目，净化前后，分别计算每个分维度所有条目的内在一致性系数cronbach’s α，如果CITC指数低于0.5，且删除后能够改善剩余条目的cronbach’s α系数，则删除这个条目。其次，对每一分维度的剩余条目进行因子分析，以评价剩余条目的单维度性，消除不是纯粹因子的条目。对于理论的原因认为值得保留者，则予以保留，并在大样本研究中进行处理。一旦因子分析的结果显示不止一个因子，就必须删除多余的因子，或者在认可该变量比预先期望的更复杂的维度之间进行选择。最后，分析已确定结构的单维度人际关系量表总的cronbach’s α系数，再次判定某些条目删除的价值，如果量表中所有条目的α系数超过0.70就认为取得了很好的效果。
量表的修订
在考察各变量测量条目相关性的基础上，进行探索性因子分析和cronbach’s α系数分析，力图删除那些低负荷、对α系数消极作用或者低指标相关性的测量条目。基于各维度人际关系分维度的问句设计，首先计算了分维度内各条目的CITC，以及删除某一条目后该分维度剩余条目的α系数（Alpha if Item Deleted）（见表2.1～2.5）。在所有测量条目中，尽管PR6、DR3、CR5、CR7、CR10及CR11的CITC值小于0.5，但删除这些条目，并不改善所在维度α系数，考虑到小样本调查时的抽样误差和这些条目存在对于该维度指标的意义，暂不予删除。

有些启发，观望中。