因子分析论文结果怎么写：SPSS 载荷表与方差解释表

因子分析论文的结果部分，也就是因子分析结果怎么写，先交代适用性检验，再写提取与旋转方法、因子数的依据，最后是完整的载荷矩阵和方差解释表。可以先套这一句：对 12 个题项（本站演示数据，模拟生成，N=204）做探索性因子分析，KMO=0.815，提取 3 个因子，累计解释总方差 73.565%。下面逐表说明每个数字出自哪里。

数据与设置：先把结果复现出来

以下结果来自本站演示数据（模拟生成，不代表真实研究结论）。本文用的是 240 行演示数据随机抽取 204 行的结果；点「用演示数据试一试」载入全部 240 行，数字会略有差别，读法相同。方法说明见因子分析(探索性)。

1. 在方法列表里选「因子分析(探索性)」，把 12 道题放进「放入变量」区（区里标着“定量”标签）。
2. 因子个数默认选“主成分个数为”2，只会提取 2 个因子；本例改选“特征根阈值为”并保持 1.00，也就是 Kaiser 准则，因此得到 3 个因子。
3. 「因子旋转方式」本例用最大方差法，点开始分析，结果依次在五张卡里。

导出与保存的规则：分析和查看结果不用登录；开通会员后可导出 Word / PDF 报告、使用 AI 解读。保存历史、我的数据与 LaTeX 源码导出需要登录。

因子分析论文的载荷表怎么排

三线表不画竖线，只留顶线、栏目线和底线。论文里的载荷表应当放完整的旋转后载荷矩阵，每题在三个因子上的载荷和共同度都列出来，而不是只挑主载荷。表注写明：提取方法为主成分法，旋转方法为最大方差法，因子数 3，判定阈值 |载荷| 不低于 0.4。

题项	因子1	因子2	因子3	共同度
服务质量Q1	0.821	0.172	-0.035	0.705
服务质量Q2	0.846	0.003	0.015	0.715
服务质量Q3	0.805	0.093	-0.059	0.660
服务质量Q4	0.839	0.083	0.011	0.711
服务质量Q5	0.843	-0.020	0.016	0.711
产品体验Q1	0.067	0.883	0.029	0.785
产品体验Q2	0.121	0.838	0.069	0.722
产品体验Q3	0.005	0.856	0.097	0.742
产品体验Q4	0.093	0.876	0.067	0.781
价格感知Q1	-0.024	0.119	0.862	0.759
价格感知Q2	0.039	0.008	0.872	0.763
价格感知Q3	-0.057	0.097	0.872	0.773

读这张表：服务质量 5 题落在因子 1，主载荷 0.805 到 0.846；产品体验 4 题落在因子 2，主载荷 0.838 到 0.883；价格感知 3 题落在因子 3，主载荷 0.862 到 0.872。

三个因子分别由 5、4、3 题定义，没有题项跨因子，最大的交叉载荷是服务质量Q1 在因子 2 上的 0.172，共同度在 0.660 到 0.785 之间。

方差解释表怎么写

报告的方差解释表分三组列：初始特征根、提取平方和载荷、旋转平方和载荷，每组都有特征根、方差解释率和累积百分比。下图（节选，完整 9 列在报告第二张卡里）列出本例的初始特征根、提取后的解释率、累积和旋转后的解释率。

3 个因子累计解释总方差 73.565%。旋转只重新分配各因子的份额，不改变累计解释率，旋转后三个因子的份额是 29.044%、25.432%、19.088%，合计约 73.56%（自算），与累计解释率 73.565% 只差舍入误差。

每个数字从哪来

• KMO 与 Bartlett：出自第一张卡（适用性检验）。KMO 为 0.815，Bartlett χ²(66)=1291.561，p<0.001，相关矩阵行列式 0.001477，样本量与变量数之比 17.00。
• 方差解释表、载荷矩阵与共同度：出自第二张卡，表名是「因子方差解释表」和「旋转后因子载荷矩阵与共同度」。共同度均值 0.7356，最低的是服务质量Q3。
• 碎石图：第三张卡。平行分析表与简单结构诊断：第四张卡。Kaiser 准则（特征根大于 1）给出 3 个因子，平行分析核对：前三个因子的实际特征根都高于随机参考线（1.525、1.384、1.278），第 4 个因子的 0.480 低于参考线 1.197；每个变量只在一个因子上超过 0.4。

写表时常见的错误

• 写「因子结构得到验证」：探索性结果只是探索，要验证需要在独立样本上做验证性因子分析；本站没有验证性因子分析模块，论文里如实写明，并用「信度分析」「效度分析」补充旁证。
• 只贴高载荷：完整矩阵才能看出交叉载荷，本例最大交叉载荷只有 0.172，写出来反而是证据。
• 表注缺失：表下要写明提取方法（主成分法）、旋转方法（最大方差法）和因子数的依据（Kaiser 准则与平行分析），否则读者无法复现。

正文段落示例

下面的段落可以照着改写，数字全部来自本次运行：

对 12 个题项（N=204）进行探索性因子分析。KMO=0.815，Bartlett 球形检验 χ²(66)=1291.561，p<0.001，适合做因子分析。采用主成分法提取，按 Kaiser 准则保留 3 个因子，平行分析结果一致；经最大方差法旋转后，累计解释总方差的 73.565%。各题共同度在 0.660 至 0.785 之间，主载荷在 0.805 至 0.883 之间，每题只在一个因子上超过 0.4。

延伸阅读

• 探索性因子分析
• 主成分分析和因子分析