主成分分析提取到3个主成分但累积贡献只有58%

主成分分析、探索性因子分析是数据降维的主要方法，而衡量因子分析（含主成分分析和因子分析）效果的重要指标之一就是KMO值和累积方差贡献率，这两个指标越高则因子分析结果越好，因而，很多人用因子分析来检验问卷和量表的效度（个人认为简单用因子分析方法来做效度是不妥的）。
在SPSS因子分析中，我们经常遇到KMO值偏低，例如0.6左右，以及累积方差贡献率不高的情况（例如低于50%），显然这样的结果提示我们因子分析效果不佳――一些人据此认为效度不佳。那我么该如何提高这两个指标呢？
有四个思路：第一，题目或变量之间如果相关性不强，则KMO值不高；第二，变量与因子之间如果测量关系不佳，则累积方差贡献率较差；第三，题目数量对KMO值也会产生影响。初此之外，那些不能形成有效因子的题目会严重影响累积方差贡献率。
在SPSS实际操作中，需要结合以上不同的情况做不同的处理，这样才能提高KMO和累积方差贡献率。

使用道具举报

7楼

huangguaaa 发表于 2018-8-3 22:58:36 |只看作者

crystal8832 发表于 2018-8-3 10:29
楼主做下KMO检验还有球形检验看看。

您好，我之前用stata做的，现在下载了spss重新做了一遍，麻烦您看看，这种情况应该怎么办？因为我其实不太懂计量，但是毕业论文又不能用一些简单的计量方法，所以我就找了几篇论文打算跟着来，可是处理出来结果好差。。。慌张

KMO 和 Bartlett 的检验
取样足够度的 Kaiser-Meyer-Olkin 度量。 .541
Bartlett 的球形度检验近似卡方 513.678
df 36
Sig. .000

相关矩阵
roe eps ldr cr rca car dgr lgr npl2
相关 roe 1.000 .149 -.024 -.091 .052 -.132 .356 .317 .441
eps .149 1.000 .196 -.077 .030 -.040 -.047 -.050 .256
ldr -.024 .196 1.000 -.049 -.044 -.230 -.219 -.023 .120
cr -.091 -.077 -.049 1.000 .037 .059 .043 .024 -.120
rca .052 .030 -.044 .037 1.000 .223 .131 .094 .148
car -.132 -.040 -.230 .059 .223 1.000 -.072 -.077 .049
dgr .356 -.047 -.219 .043 .131 -.072 1.000 .769 .347
lgr .317 -.050 -.023 .024 .094 -.077 .769 1.000 .248
npl2 .441 .256 .120 -.120 .148 .049 .347 .248 1.000

解释的总方差
成份初始特征值提取平方和载入
合计方差的 % 累积 % 合计方差的 % 累积 %
1 2.320 25.776 25.776 2.320 25.776 25.776
2 1.523 16.927 42.703 1.523 16.927 42.703
3 1.269 14.095 56.798 1.269 14.095 56.798
4 .988 10.975 67.773
5 .846 9.402 77.175
6 .700 7.783 84.958
7 .687 7.634 92.593
8 .481 5.348 97.940
9 .185 2.060 100.000
提取方法：主成份分析。

使用道具举报

8楼

huangguaaa 发表于 2018-8-3 23:02:41 |只看作者

ccs0531 发表于 2018-8-3 22:00
主成分分析、探索性因子分析是数据降维的主要方法，而衡量因子分析（含主成分分析和因子分析）效果的重要指 ...

请问具体应该怎么做呢

使用道具举报

9楼

huangguaaa 发表于 2018-8-3 23:02:47 |只看作者

ccs0531 发表于 2018-8-3 22:00
主成分分析、探索性因子分析是数据降维的主要方法，而衡量因子分析（含主成分分析和因子分析）效果的重要指 ...

请问具体应该怎么做呢

使用道具举报

10楼

ccs0531 发表于昨天 09:38 |只看作者

jin216 发表于 2018-8-3 14:12
剔除公共方差小的一两个变量试试

赞同这个做法。

使用道具举报

[问答] 主成分分析提取到3个主成分但累积贡献只有58% [推广有奖]