因子分析中，用因子负荷能对所分析的指标进行重要程度的排序吗？

如果不能，用什么数据能对指标内容的重要程度进行排序？（特征值、共同性） 满意答案奇迹…9级2009-05-26可以。你可以看下各因子的因子载荷。因子载荷越高，其代表的信息越多。可以依此排序 追问： 那用共同性的数据为依据，可以对各因子的重要性就行排序吗？ 回答： 我不是很明白你所说的共同性的数据是什么。不过用统计分析软件做因子分析。你可以直接得到若因子载荷阵，由因子得分系数可以知道因子分别代表各指标的得分系数。可以写出因子表达式计算因子得分 其他回答(4) 热心问友 2009-05-25问问首页 > 全部分类 > 商业经济 > 股票 待解决问题收藏 标签: 因子, 分析 指标, 排序（特征值、共同性陶朱公9级2009-05-25问错地方了流星雨10级2009-05-26子分析法的步骤，对原始数据进行标准化处理,求出各个指标的相关系数 用这3个公因子来反映各省区的工业化程度所损失的信息不多，所以这3个公因子 建立因子分析模型的目的不仅是找出主因子，更重要的是知道每个主因子的意义。

Rotated Component Matrix，就是经转轴后的因子负荷矩阵，
当你设置了因子转轴后，便会产生这结果。
转轴的是要得到清晰的负荷形式，以便研究者进行因子解释及命名。
SPSS的Factor Analysis对话框中，有个Rotation钮，点击便会d出Rotation对话框，
其中有5种因子旋转方法可选择：
1最大变异法(Varimax)：使负荷量的变异数在因子内最大，亦即，使每个因子上具有最高载荷的变量数最少。
2四次方最大值法(Quartimax)：使负荷量的变异数在变项内最大，亦即，使每个变量中需要解释的因子数最少。
3相等最大值法(Equamax)：综合前两者，使负荷量的变异数在因素内与变项内同时最大。
4直接斜交转轴法(Direct Oblimin)：使因素负荷量的差积（cross-products）最小化。
5Promax 转轴法：将直交转轴(varimax)的结果再进行有相关的斜交转轴。因子负荷量取2，4，6次方以产生接近0但不为0的值，藉以找出因子间的相关，但仍保有最简化因素的特性。
上述前三者属於「直交(正交)转轴法」(Orthogonal Rotations)，在直交转轴法中，因子与因子之间没有相关，因子轴之间的夹角等於90 度。后两者属於「斜交转轴」(oblique rotations)，表示因子与因子之间彼此有某种程度的相关，因素轴之间的夹角不是90度。
直交转轴法的优点是因子之间提供的讯息不会重叠，受访者在某一个因子的分數与在其他因子的分數，彼此独立互不相关；缺点是研究迫使因素之间不相关，但这种情况在实际的情境中往往并不常存在。至於使用何种转轴方式，须视乎研究题材、研究目的及相关理论，由研究者自行设定。
在根据结果解释因子时，除了要看因子负荷矩阵中，因子对哪些变量呈高负荷，对哪些变量呈低负荷，还须留意之前所用的转轴法代表的意义。

1隶属度函数计算：

升型：F(x)=(x-x最小值)/（x最大值-x最小值）适用于土壤化学、生物属性因子more is better

降型：F(x)=(x最大值-x)/（x最大值-x最小值）适用于土壤物理属性因子less is better

X为因子具体值

2因子权重计算：

首先通过PCA分析确定主成份，其次对主成份中各因子负荷量（系数）求和，最后利用各因子负荷量值除以总和得到各因子权重W

3综合指数计算：

WiF(xi)，当PCA确定不止一个主成份时，因子权重也相应变化，综合指数计算也逐个求和计算。

这个不能说此次分析就是失败的，应该说是你的变量或者说是问卷设计有问题
当然也可以不一定参照必须要大于05，但是常规的都是这样参照的

这个因子载荷低有可能是问卷变量设计问题，有可能是数据采集质量有问题
如果是第一个问题的话 你可以先进行下问卷题目调整，比如删减部分题目再尝试，当然不是随意删减的，而是根据项目分析的相关指标来进行。
如果是数据质量问题 你可以尝试着删除部分变量再试一下

如果两种方法都不行了，只能说明你的变量设计完全有问题或者数据完全不行 只能重做

你好，我来回答你；
嗯，
这个好像也没看有有特别严格的标准，各个论文或书籍中选择的也是非常灵活，也不一定是分布在三个上，我看到的论文中提到的更多是在两个因子上负荷在3或者4以上（也都没有提到参考文献），作者就考虑删掉了，当然是结合自己的问卷内容，看选哪个标准对自己有利
一般自己编的问卷肯定有不少问题，统计分析上也就不得不投机了。
如你还有别的问题，可另外向我求助，还有不懂的地方，请继续追问。

---