只能解释总方差很小的一部分。而碎石检验准则的主观性太强并且在有些情况下因子的特征值并没有临界点因为因子特征值是以一种线性的方式逐渐下降的所以这种情况是可能存在的例如双重负荷现象因此这种方法并没有太强的使用价值。一般推荐使用Reise等人的平行分析方法来确定因子的数目。这种标准比起碎石检验标准来说减少了研究者主观因素的影响结果也更客观、真实、有效。
f虽然正交旋转能容易地解释和表示因子分析的结果但由于其规定因子间不相关因此正交旋转的结果往往并不符合实际。建议在探索性因子分析中使用斜交旋转法它既能很容易地解释因子同时也确保了因子间的简单结构更重要的是允许因子间的相关也更符合现实。例如在探索性因子分析中提取出了家庭受教育水平和家庭经济收入这两个因子如果勉强进行正交旋转忽视两因子间的相关必然会对结果造成很大的影响实际上这两个因子都属于家庭社会经济地位的范畴具有很高的相关因此进行斜交旋转允许两因子间的相关这样得到的结果才更有说服力。实际研究中研究者更多地还是采用了正交旋转的方法19912000年国内两种心理学期刊发表的运用因子分析的文章中高达60的文章使用正交旋转而斜交旋转只占到了6。
4因子值缺乏重复验证性心理、教育领域中研究者求解因子值时绝大多数依赖的是SPSS而该软件所提供的求解因子值的方法最后求得的因子值是以一种加权的方式获得的这就使得这些因子值只适用于特定的样本缺乏重复验证性。
为了克服这一缺陷研究者建议使用一种简单的非加权的方法该方法首先鉴别出在某一因子上有较高负载的变量然后将这些负载的值相加从而得到能反映该因子的一种特定的因子值。使用这种方法研究者将失去变量在因子上的负载信息但是这样得到的因子值与SPSS提供的各种权重的因子值具有较高相关因此使用这种简单的策略获得的因子值是很有意义的它能克服缺乏重复验证的缺陷。
当然因子值本身实质上还是一种观测变量存在一定的随机误差可以使用潜变量模型的方法来消除这些随机误差。
5研究结果的呈现形式不规范因子分析结果的呈现中哪些信息需要研究者明确提供都有一定的规定但教育、心理领域的应用中很少有研究者能提供完整的信息。作为因子分析的基础相关矩阵是最根本的研究者必须提供否则研究结果就缺乏重复验证的可能另外旋转前后因子所解释的方差、因子负载矩阵等信息也必须提供。
6过于依赖SPSS缺乏主动性近年来因子分析应用中存在的最大r