㈠ 我使用因子分析法做胜任力模型，24项胜任力5个维度，各维度能不能合并
你既然用因子分析做出5个维度，说明这5个维度之间是有差别的。
不过你可以分析下内5个维度之间的相关，如果他们有容比较高的相关，你可以考虑提取高阶因子，也就是给5个维度命一个总的名称，比如语文能力、历史能力、政治能力三个维度可以概括为文科能力。这种时候各维度的分数可以考虑合并，合并之后的总分的意义就是高阶因子的意义（不过合并的时候要注意不同维度分数的单位是否是统一的）；当然也可以其中2个概括为一个高阶因子，另外3个概括为另一个高阶因子，如果模型可以拟合数据，这样还是可以的。
㈡ 我用因子分析法做财务风险的预警模型
主成分回归分析
㈢ spss用一组数据进行因子分析降维后进行logistic回归分析，之后怎么运用这个模型来预测新的数据
二元logit回归
1.打开数据，依次点击：analyse--regression--binarylogistic，打开二分回归对话框。
2.将因变量和自变量放入格子的列表里，上面的是因变量，下面的是自变量（单变量拉入一个，多因素拉入多个）。
3.设置回归方法，这里选择最简单的方法：enter，它指的是将所有的变量一次纳入到方程。其他方法都是逐步进入的方法。
4.等级资料，连续资料不需要设置虚拟变量。多分类变量需要设置虚拟变量。
虚拟变量ABCD四类，以a为参考，那么解释就是b相对于a有无影响，c相对于a有无影响，d相对于a有无影响。
5.选项里面
因子分析
1输入数据。
2点Analyze 下拉菜单，选Data Rection 下的Factor 。
3打开Factor Analysis后,将数据变量逐个选中进入Variables 对话框中。
4单击主对话框中的Descriptive按扭，打开Factor Analysis: Descriptives子对话框，在Statistics栏中选择Univariate Descriptives项要求输出个变量的均值与标准差，在Correlation Matrix 栏内选择Coefficients项，要求计算相关系数矩阵，单击Continue按钮返回Factor Analysis主对话框。
5单击主对话框中的Extraction 按钮，打开如下图所示的Factor Analysis: Extraction 子对话框。在Method列表中选择默认因子抽取方法——Principal Components，在Analyze 栏中选择默认的Correlation Matrix 项要求从相关系数矩阵出发求解主成分，在Exact 栏中选择Number of Factors;6， 要求显示所有主成分的得分和所能解释的方差。单击Continue按钮返回Factor Analysis主对话框。
6单击主对话框中的OK 按钮，输出结果。
㈣ 验证性因子分析的测试步骤
可以查看SPSSAU验证性验证性因子分析帮助手册，有案例分析介绍的很全面的。验证性因子分析
㈤ 多元统计分析 根据下图写出因子分析模型，分析各因子主要反应哪些方面的内容
多元统计分析是针对复杂多变量 构建多元模型的，其中包括很多多元统计模型，比如多元回归、因子分析、logistic回归、对应分析等很多多元分析方法，以用来解决在实际当中的可能存在的不同的数据模型
㈥ 使用意愿研究 有模型来源 还需要做探索性因子分析吗
如果你是用别人已经抄修订好的问卷做研袭究，那最好还是能提取4个，直接提取不成那就在因子提取方法里选强制抽取4个，完全可以，这个时候你再看看KMO，特征值方差贡献率，共同度和因子载荷，如果都比较好（一般就是说KMO值0.8以上，方差贡献率起码0.4，共同度起码也有0.4，因子载荷起码均在0.4以上），那就OK，若是不好，酌情删除一些题目（主要是看因子载荷，太低的删，一个题目在两个因子上载荷接近的也删），再重新做因子分析看结果
如果这个模型是你自己构想的，还不是很成型，那提取三个因子也可能有它的道理，你看看三个因子能否有个合理的命名，如果可以，那也OK
㈦ spss因子分析怎么确定 模型
你的意思是说求综合因子得分值吗？如果是这个意思的话，就是用你经过旋转内后或其他容方法得出的各个因子的方差贡献率分别乘以各因子矩阵就可以了。
你确定你的方法是因子分析，因为因子分析里面没有各主成分这个概念，只有主要因子这个说法。
㈧ 按照模型做的问卷把因子分成3个部分，但是spss因子分析成分提取的时候多提出来4个怎么办
用主成分分析法做因子分析判断提取几个因子先参考特征值和碎石图，一般默认特征值大于1的因子被提取，同时参考碎石图，碎石图中有几个因子比较“陡”，就提取几个。最后还得看看累积方差贡献率，所有提取的因子的贡献率加起来至少应该超过40%。
确定了提取几个因子之后，观察每一个题目的质量时要参考公因子方差和旋转成分矩阵（即因子载荷），公因子方差不低于0.3，因子载荷的最低限度可以定在0.3—0.45间，看自己的研究具体情况设定一个定值，若公因子方差和因子载荷有一个不好，该题目可以考虑删除。谨慎的做法是每删除一个题目，就重新做一次因子分析，知道公因子方差、因子载荷及方差贡献率都达到可接受的程度为止。在这个过程中，提取的因子数有可能会变化，应当以最后那次分析的结果为准。
如果做下来和自己原先的维度设定不同，你可以把抽取原则由特征值大于1改为固定抽取3个因子，然后看固定抽取的情况下，方差贡献率、因子载荷、公因子方差这些指标怎么样，适当删除不好的题目后，看剩余的题目是否可以符合你的维度设定，你可以换几种旋转方法试试，不一定都要用最大方差法（比如可以试试最大平衡值法、斜交的方法等），如果实在不符合，说明你的原先维度设置可能是有问题，那就只能放弃现在的维度框架，给你研究中实际的维度结构进行合理的命名和解释了。
㈨ 验证性因子分析和探索性因子分析以及结构方程模型
可以考虑用主成分进入模型或用二阶模型表示。（南心网 Amos数据分析）
㈩ 因子分析spss步骤
自分析spss的的具体操作步骤，你可以直接按提示