教程 · 2026-06-17

探索性因子分析怎么做：KMO、Bartlett、因子提取与载荷解读

解释因子分析法可以分析什么，并按真实能力说明 ChatSRS 的 KMO、Bartlett、因子提取、Varimax 旋转、载荷与共同度输出，以及 EFA 不能替代 CFA 的边界。

探索性因子分析（EFA）用于从一组相互关联的题项中探索潜在结构。它不是“一键证明量表有效”，也不会替研究者决定删题、因子名称和理论含义。本文把方法步骤、当前工具输出和不能承诺的部分分开说明。

因子分析法可以分析什么

当一份问卷有许多题项，而研究者还不确定这些题项会聚成几个维度时，EFA 可以帮助回答：

题项之间是否存在可解释的共同变化；
数据中可能保留几个因子；
每个题项与各因子的关系有多强；
提取的因子合计解释了多少样本变异；
哪些题项可能出现低共同度或交叉载荷，值得结合理论进一步核查。

EFA 适合“探索结构”，不适合验证已经明确指定的测量模型。若研究问题是检验预设题项归属、比较拟合指数或计算 CR、AVE，应转到 EFA 与 CFA 的选择指南，不要用 EFA 结果代替 CFA。

开始前先检查数据

当前分析器至少需要 3 个可转为数值的变量，并在对所选题项整行去缺失后保留至少 10 行数据。这里的“10 行”只是程序能否运行的最低门槛，不是研究设计上的样本量充分证明。

正式分析前还应核对：

每一列是否真的是同一量表体系中的题项；
反向题是否按量表规则完成计分；
缺失处理是否会明显改变样本构成；
题项是不是连续变量或可合理作为近似连续变量处理；
因子数与旋转方式是否有理论依据。

样本量是否充分要结合题项数、共同度、载荷强度、因子结构稳定性与研究领域判断，不能只靠一个固定比例下结论。

ChatSRS 当前可执行范围

当前可执行范围包括 KMO 检验、Bartlett 球形检验、以特征根大于 1 的规则确定默认因子数、因子提取、方差解释率、因子载荷和共同度。

提取方法参数可使用 principal、minres 和 ml；未指定时使用 principal。当研究者不传入因子数时，程序先计算原始特征根，并保留特征根大于 1 的因子；也可以由研究者明确给出因子数。

当提取一个以上因子时，当前固定使用 Varimax 正交旋转；只提取一个因子时不旋转。

当前不自动输出平行分析或 MAP 准则，也不生成碎石图。不提供 Promax/Oblimin 斜交旋转、因子相关矩阵或自动旋转选择。

输出会把绝对载荷大于 0.4 的数值加粗，并把共同度低于 0.4 的数值以斜体提示，但这只是展示规则，不是自动删题结论。系统不会自动标记“必须删除”的题项，也不会自动给因子命名。

一个与当前能力一致的请求

上传包含题项原始数据的表格后，可以这样写：

“对 Q1 到 Q16 做探索性因子分析。先报告 KMO 与 Bartlett，再使用 principal 提取；请按特征根大于 1 的默认规则确定因子数，输出方差解释率、Varimax 旋转后的载荷和共同度。不要声称完成平行分析，也不要自动删题。”

如果研究者已根据理论或独立分析确定因子数，应在请求里明确写出，例如“固定提取 4 个因子”。这比让工具替代研究设计判断更可追溯。

KMO 与 Bartlett 怎么读

KMO 用来描述变量之间偏相关相对简单相关的程度；Bartlett 球形检验考察相关矩阵是否可视为单位矩阵。KMO 较高且 Bartlett 显著，可以支持“这些数据具备继续做因子分析的基本条件”，但 KMO 与 Bartlett 的组合不能证明量表已经具有良好结构效度。

常见的 KMO 分级可作为描述性参考：

KMO	常见描述
≥ .90	很好
.80–.89	良好
.70–.79	尚可
.60–.69	较弱但可能可用
< .60	应谨慎检查数据与题项

不要把分级当作机械门槛。KMO 受相关结构、题项数量与样本影响；Bartlett 在大样本下也可能很容易显著。两项结果都要与载荷、共同度、理论结构和重复验证一起解释。

因子数：默认规则不是最终答案

当前默认保留原始特征根大于 1 的因子。这个规则计算简单，但可能提取过多或过少因子，因此应把它视为候选，而不是唯一真相。

更完整的研究流程通常还会参考：

碎石图的弯折点；
平行分析；
MAP 准则；
因子的可解释性；
每个因子是否有足够且稳定的高载荷题项；
与理论和既有量表结构是否一致。

由于当前页面所对应的分析器不自动执行平行分析与 MAP，若论文需要这些证据，应使用能够真实运行相应方法的软件，并保留参数、随机种子和输出记录。

提取法与旋转法不要混为一谈

提取法决定如何估计潜在结构，旋转法用于让载荷模式更容易解释：

principal 是当前默认提取选项；
minres 以最小残差方式估计共同因子；
ml 使用最大似然思路，通常对分布与模型条件有更多要求；
Varimax 假设旋转后的因子保持正交，也就是因子相关固定为 0。

社会科学中的潜在构念经常彼此相关。若理论上应允许因子相关，固定 Varimax 可能不合适；这时不要把正交结果包装成唯一结构，而应转到支持斜交旋转的工具进行独立复核。

载荷、共同度和方差解释率怎么读

因子载荷

载荷描述题项与因子的关系方向和强度。不能只看最大载荷，还要同时检查：

主载荷是否足够清晰；
同一题项是否在多个因子上都有较高载荷；
同一因子是否至少有若干个理论一致的题项；
正负号是否与题项计分方向一致。

“0.4”或“0.5”只能作为经验参考。样本量、研究阶段与领域规范不同，合理阈值也会不同。

共同度

共同度表示保留因子对某题项变异的解释比例。共同度偏低提示该题项没有被当前因子结构充分解释，但不能单凭一个数值直接删题。先检查反向计分、数据质量、题项含义与因子数设定。

方差解释率

累计方差解释率描述保留因子合计解释的样本变异比例。它不是量表质量的单一评分，也不能证明构念效度、预测效度或因果关系。不同研究领域对可接受水平的惯例不同，应说明所用标准和来源。

从 EFA 结果到题项决策

建议按以下顺序复核，而不是让系统自动删题：

先检查数据编码、反向题、极端值和缺失；
比较理论预期与实际载荷模式；
同时观察主载荷、交叉载荷和共同度；
评估删除题项是否破坏内容覆盖；
每次调整后重新运行 EFA，并记录调整理由；
条件允许时在独立样本上做 CFA。

题项决策会改变构念含义。仅为了提高统计指标而反复删题，可能得到数值更漂亮、内容却更狭窄的量表。

论文报告模板

可根据真实输出填写：

对 [题项范围] 进行探索性因子分析。有效样本量为 N = [ ]。KMO 为 [ ]，Bartlett 球形检验为 χ²([df]) = [ ]，p = [ ]。采用 [principal/minres/ml] 提取，并按 [因子数依据] 保留 [ ] 个因子；当因子数大于 1 时使用 Varimax 旋转。保留因子累计解释 [ ]% 的样本变异，主要载荷范围为 [ ] 至 [ ]，共同度范围为 [ ] 至 [ ]。题项保留与命名最终结合理论和独立复核确定。

报告时必须把示例占位符替换为本次真实结果。若另外执行了平行分析、斜交旋转或 CFA，应单独注明工具、版本、参数与样本，不能归到当前输出名下。

开始前的最小清单

题项方向、缺失和变量类型已核对；
因子数选择有可说明的依据；
知道当前旋转固定为 Varimax；
不把 KMO/Bartlett 写成结构效度证明；
题项删除与因子命名由研究者最终确认。

确认这些边界后，可进入 ChatSRS 运行探索性因子分析。最终论文结论仍需结合研究设计、真实输出和独立复核。