什么是因子旋转和因子载荷？

因子载荷
aij
的统计意义就是第i个变量与第
j
个公共百因子的相关系数即表示
Xi
依赖
Fj
的份量（比重）度。
为使因子分析法求出因子专载荷阵结属构简化，便于对主因子进行专业上解释，常对因子载荷阵施行变换或称因子旋转。

因子载荷（factor loading）是因子分析中的一个重要概念，表示每个变量与因子之间的相关程度。因子载荷的取值范围在 -1 到 1 之间，数值越接近1表示变量与因子之间的关系越密切，数值越接近0表示二者之间的关系越弱，数值越接近-1则表示变量与因子之间呈现负相关。
当因子载荷等于1时，表示该变量与因子之间的相关程度完全一致，即该变量对因子的影响最大，也可以理解为该变量能够完全解释因子的变异性。这意味着在进行因子分析时，该变量能够很好地反映这个因子，对于解释这个因子所代表的潜在变量非常重要。在进行因子分析时，通常会将载荷值大于03的变量作为重要变量来考虑，因此当因子载荷等于1时，表明该变量在因子分析中非常重要。

因子载荷a（ij）的统计意义就是第i个变量与第j个公共因子的相关系数即表示X（i）依赖F（j）的份量（比重）。统计学术语称作权，心理学家将它叫做载荷，即表示第i个变量在第j个公共因子上的负荷，它反映了第i个变量在第j个公共因子上的相对重要性。

因子分析中因子载荷aij的统计意义是（D 利用标准化的数据计算的相关阵R的特征值对应的单位特征向量）。

这既是因子载荷的统计学意义，实际上也简要说明了因子载荷的计算方式。

在因子分析中，通常只选其中m个（m<p）主因子，即根据变量的相关选出第一主因子ƒ1，使其在各变量的公共因子方差中所占的方差贡献为最大，然后消去这个因子的影响。

而从剩余的相关中，选出与之不相关的因子，使其在各个变量的剩余因子方差贡献中为最大，如此往复，直到各个变量公共因子方差被分解完毕为止。

扩展资料：

因子分析的主要目的是用来描述隐藏在一组测量到的变量中的一些更基本的，但又无法直接测量到的隐性变量。比如，如果要测量学生的学习积极性，课堂中的积极参与，作业完成情况，以及课外阅读时间可以用来反应积极性。而学习成绩可以用期中，期末成绩来反应。

在这里，学习积极性与学习成绩是无法直接用一个测度测准，它们必须用一组测度方法来测量，然后把测量结果结合起来，才能更准确地把握。

1、打开相关界面输入数据对象，在分析那里选择降维中的因子分析进入。
2、下一步直接通过d出的对话框确定全部变量，如果没问题就点击选项。
3、这个时候来到一个新的窗口，按照图示进行勾选并确定继续。
4、这样一来等得到相应的结果以后，即可实现关于spss的效度检验看因子负荷量了。

1输入数据。
2点Analyze 下拉菜单，选Data Reduction 下的Factor 。
3打开Factor Analysis后,将数据变量逐个选中进入Variables 对话框中。
4单击主对话框中的Descriptive按扭，打开Factor Analysis: Descriptives子对话框，在Statistics栏中选择Univariate Descriptives项要求输出个变量的均值与标准差，在Correlation Matrix 栏内选择Coefficients项，要求计算相关系数矩阵，单击Continue按钮返回Factor Analysis主对话框。
5单击主对话框中的Extraction 按钮，打开如下图所示的Factor Analysis: Extraction 子对话框。在Method列表中选择默认因子抽取方法——Principal Components，在Analyze 栏中选择默认的Correlation Matrix 项要求从相关系数矩阵出发求解主成分，在Exact 栏中选择Number of Factors;6， 要求显示所有主成分的得分和所能解释的方差。单击Continue按钮返回Factor Analysis主对话框。
6单击主对话框中的OK 按钮，输出结果。
统计专业研究生工作室原创，请勿复杂粘贴

---