导入数据进行处理
一、导入数据
二、选择【分析】——【降维】——【因子分析】
三、导入变量
四、点击【描述】，勾选【KMO和巴特利特球形度检验】
KMO>0.8说明效度非常高；
KMO>0.7说明效度较好；
KMO>0.6说明效度可以接受；
KMO<0.6说明效度不太好；
KMO<0.5说明效度完全不佳，需要重新修正题项。
五、点击【抽取】，在选项里勾选【碎石图】。
六、【旋转】中选择【最大方差法】
七、【得分】中选择【显示因子得分系数矩阵】
八、【选项】中选择【按大小排序】。
结果分析
链接：http://sh.qihoo.com/pc/9b053115fc68e57fa?cota=4&tj_url=so_rec&refer_scene=so_1&sign=360_e39369d1
链接：https://www.cnblogs.com/zhhda/p/4535476.html
KMO=0.905>0.8，说明适合做因子分析。
上表格针对因子提取情况，以及因子提取信息量情况进行分析，从上表可知:因子分析一共提取出4个因子，此4个因子旋转后的方差解释率分别是24.452%、22.403%、13.186%，旋转后累积方差解释率为60.042%。即此例中四个因子共提取出题项60.042%信息量。
三个主要因子的权重分别为：
0.24452/0.60042=0.407248
0.22403/0.60042=0.373122
0.13186/0.60042=0.219613
接下来该计算原始的每一个小因素的权重
一、先求出每一项的系数。拿旋转后的成分矩阵值除以sqrt(对应的特征根）
F1=0.339x1+0.282x2+0.270x3+0.266x4+0.254x5+ 0.233x6+0.208x7+0.061x8+0.131x9+0.104x10+0.138x11+0.138x12+0.015x13+0.017x14
F2=0.211x1+0.009x2+......+0.173x14
F3=0.107x1+0.176x2+......+0.576x14
计算每一项系数的权重:
拿每一个因子的权重乘以相应的系数相加。
上面已经求得三个主要因子的权重分别为：
0.24452/0.60042=0.407248
0.22403/0.60042=0.373122
0.13186/0.60042=0.219613
比如：W1=0.407248*0.33867679+0.373122*0.211206627+0.219613*0.107864=0.24042
由此得到综合得分模型为：
Y=0.24χ1+0.157χ2+...+0.198x14