主成分分析中，只提取一个成分并且累计贡献率只有50%该怎么办？

因素分析的主要目的还是简化题目的结构，把多数单个的题目进行归类，归为少数几个因子，所以在spss里面因素分析在降维菜单下。因此，因素分析最主要的还是要用最少的维度来贡献最多的变异，这应该才是最主要的标准。即便贡献率超过85%，也要看：第一，是否产生了过多的维度，维度过多因素分析就意义不大了；第二，是否有些维度的贡献率偏低，贡献率偏低的话不要也罢。
事实上对于做研究，40%的累积贡献率已经算是可以接受，50%以上就可以作为实际应用的标准了。倒是85%显得过于严苛。当然如果能达到这个水平且维度少，每个维度的贡献率又都比较高，那就很理想。
spss做因素分析选取主成分个数的标准一般就是两个：第一是特征值，大于1的提取出来，这只是个大概；第二是参考碎石图，看看碎石图拐点出现的位置，看看图从什么地方开始趋于平缓。综合这两点，然后再看看累积贡献率是否合适，就可以完成成份的选取。

SPSS（统计软件包 for 社会科学）中的标准载荷系数是用来衡量探究因子分析结果时变量与因子之间的相关性的一种统计量。标准载荷系数值的大小决定了变量对于某一因子的影响程度，数值越大表示变量与因子之间的相关性越强。
标准载荷系数低的可能原因有很多，以下是几个常见的：
1 变量之间的共线性。如果变量之间的相关性比较强，那么它们可能是因为它们所代表的潜在因子比较相似。共线性会使得载荷系数降低，这意味着它们对应的因子的可解释性会降低。
2 样本量过小。如果选定的样本量太小，那么仅有的数据很难给出比较准确的估计值。这可能会导致一些变量的载荷系数比较低。
3 模型拟合不好。如果因子分析模型的拟合不理想，那么它的结果就不能很好地描述变量之间的相关性。这可能会导致一些变量的载荷系数比较低。
4 数据异常值。如果数据中存在异常值或离群值，那么这些值可能会影响因子分析结果，导致一些变量的载荷系数比较低。
需要注意的是，标准载荷系数低并不一定意味着这些变量不重要，可能只是它们与所选的因子不是很相关。此时可以考虑进行因子旋转等方法优化分析结果。

主成分的选取可以有2种方法：1、取累计贡献率大于85%的成分；2、取所有特征值大于1的成分。当符合上述任意一种时均可拿来做为最后的主成分。当然SPSS软件默认的是第二种。主成分的选取和你说的载荷量小于05没多大关系。

没有在教材中看到过最低标准是40%的说法，张敏强的《教育与心理统计学》中说贡献率应该在80%以上，实际情况下这是很难达到的，张文彤的《数据分析与挖掘实战案例精粹中》中说方差贡献率达到50%就可以酌情接受。通常50%也是比较公认的最低标准，不过在很多学术杂志的实证研究中，问卷的方差贡献率只有40%多的情况也是屡见不鲜的，比如《中国临床心理学杂志》和《中国心理卫生杂志》中的许多问卷修订类文章，虽然没有教材明确声明40%是最低标准，但实际上40%是一个默认标准。
负荷低于03是一个很常见的标准，很多文章会声明自己删减题目的标准是负荷低于03，03是个约定俗成的标准，不过教材中未见提及，倒是邱皓政的《量化研究与统计分析_SPSS中文视窗版数据分析》一书中将032作为因子负荷的最低标准，理由是若负荷量低于032，则该因子对观察变量变异量的解释力不足10%，贡献太小。

原则很简单，第一是因子载荷，因子载荷偏低的题目要删除（一般是03一下就可以考虑删，如果要求较高，05以下都可以删除，这个也要兼顾你的理论构建，如果某题目因子载荷不算特高，但他代表了你的概念的重要内涵，那也可以保留）；另一个考虑因素是共同度，共同度偏低的删（一般03一下可以考虑删，这些数字指标不是绝对的标准，需要你综合多方面因素考量）。
主要是从以上两个因素出发来删减，具体做的时候最好没删掉一两个题目，重新做一次因子分析，然后从新的因子分析结果里面再挑选需要删减的项目，循环往复，因子分析的结果好了以后再去做信度检验

---