初学者常常会遇到这样的问题：问卷预设8个维度，经过SPSS分析后只跑出5个因子，大量题项被分配到了别的维度上。这个问题简直就是因子分析初学者的噩梦。所以今天我们来一步步拆解这个过程，从最基本的开始。 做任何量表分析前，信效度必须要过关。这一步就像体检一样，必须要确保数据质量过关才能继续。信度用克隆巴赫α系数来衡量，要求大于0.8；效度方面KMO值要大于0.9，同时巴特利特球形度P值要小于0.05。这几个指标都满足了才能开始因子分析。 题量和因子数也需要匹配，如果你只有24道题，想硬生生抽出8个因子，那真是太难为数据了。一般来说，每个因子至少要有4道题。如果题量不足，载荷矩阵会变得非常混乱。 运行SPSS时不要着急按下按钮开始探索性因子分析。虽然探索性因子分析是为了看数据自己的想法，但也不是随意性地瞎操作。主成分法默认提取特征根大于等于1的因子，累计贡献率超过60%只是及格线，核心是因子的可解释性。如果第一个因子载荷占比太高说明重叠严重，可以考虑使用最优斜交法（Promax）重新分配载荷，让每个因子更专一一些。 旋转后回看总方差解释表和模型矩阵就能发现变化：8个因子的贡献率重新分配了，不再一家独大了。如果结果还不满意怎么办？不要死磕载荷矩阵了，先检查一下问卷设计是否合理：每个维度是否有足够的题量？文献里是否真的支持8维结构？这个时候修改一下问卷设计再收集一轮数据可能是最划算的选择。 回到问卷设计阶段做功课也很重要：文献调研看看高被引论文里的量表怎么设计；预测试一下小样本先看看结果；把流程图贴在电脑旁防止漏掉步骤。 为什么要选择最优斜交法？因为它允许因子相关又能让载荷更清晰，适合有理论支撑的情况。如果某个题目载荷小于0.4且交叉载荷大于等于0.3就可以考虑删除掉；如果删除后因子题量少于3就考虑合并维度。验证性因子分析（CFA）用AMOS或Mplus来跑就行了，输入探索性得到的路径图检验拟合指数是否达标：RMSEA小于0.08、CFI大于等于0.9。 把这些步骤都走通后，你就可以从“8维只出5因”的绝望中解脱出来了。