品牌型号：HP Laptop 15

软件版本：SPSS Statistics27

系统：Windows 10

很多人的研究里面都会出现特征值，可大多数人都不清楚特征值到底是什么意思。简单来说就是在进行因子分析、主成分分析时，特征值起到了一个重要的作用，它用于衡量每个主成分或者每个因子对原始数据方差的大小，接下来，本文将带大家了解一下关于SPSS特征值怎么看，SPSS特征值必须大于1吗的相关内容，希望可以对大家了解特征值有帮助。

一、SPSS特征值怎么看

下面是一份学生综合学习情况调查数据，我们将通过这份数据带大家了解一下SPSS特征值怎么看。

1、将需要分析的数据导入至SPSS中，然后点击工具栏【分析】按钮，在下拉菜单栏中选择【降维】选项-【因子】按钮。

2、在弹出来的【因子分析：提取】对话框中，将学习时间、作业完成准确率、课堂参与度、考试成绩、课外阅读量、学习工具使用熟练度、学习计划执行度、辅导课程参与情况等变量全部通过箭头工具移动至右侧的变量框中。

3、然后点击【描述】选项，打开【因子分析：描述】对话框，勾选统计区域的【初始解】和相关矩阵区域的【KMO和巴特利特球形度检验】。KMO主要是用来衡量变量之间的偏相关性，其数值越接近于1，说明其越适合做因子分析分析，巴特利特球形度检验主要用于检验相关矩阵，若P值小于0.05，则表明变量之间存在相关性，适合做因子分析。

4、点击【提取】按钮，打开【因子分析：提取】面板，在方法区域选择【主成分】，主成分分析是因子分析的一种常用方法；然后在显示区域勾选【碎石图】，在提取区域勾选基于特征值【特征值大于1】，最后点击【继续】，回到因子分析面板。

5、点击【旋转】按钮，在旋转对话框中选择【最大方差法】进行因子旋转，最后回到因子分析面板，点击【确定】SPSS会根据设置输出结果。

二、SPSS特征值必须大于1吗

在SPSS中特征值并不一定必须要大于1，我们在做数据分析时，有些变量个数比较少或者相关度比较高时，它们的特征值可能会小于1，但特征值小于1并不意味着我们要放弃这些因子或主成分，所以我们要从实际问题的角度出发。

KMO检验是为了看数据是否适合进行因子分析，其取值范围是0～1。其中>0.8表示较好，0.7～0.8表示还好，0.6～0.7表示中等，0.5～0.6表示一般，0～0.5表示不可接受，图5为本组数据的KMO和巴特利特检验结果，其中KMO值为0.72，表明可以进行因子分析，巴特利特球形度检验近似卡方值为 56.829，自由度为3，显著性小于0.001，说明数据适合进一步分析。

图6为公因子方差表，图中作业完成准确率、课堂参与度、学习时间等变量的公因子方差都为1.000，说明这三个变量之间有很强的线性关系。

图7是总方差解释图表，第一个主成分非常重要，它的方差百分比为94.875 ，第二个主成分的方差百分比为4.269，与第一个主成分累计相加时，方差贡献率可以达到 99.144%。第三个主成分的方差百分比为0.856，与前两个主成分累计相加共为100%。

图8为碎石图，从图中我们可以看出第一个主成分的特征值比较明显约为2.8-3.0，而从第二个主成分开始，曲线变得较为平缓，特征值约为0.1-0.2，第三个主成分的特征值约为0.0-0.1。这说明在SPSS中进行因子分析和主成分分析时，特征大于1是一个常用的检测法则，但并不是绝对的，在实际应用中，我们还需要结合具体研究进行分析。

以上就是关于SPSS特征值怎么，SPSS特征值必须大于1吗的全部内容，通过对特征值方法的详细介绍，希望大家熟练掌握SPSS特征值的操作技巧，在以后工作中需要对数据特征值进行分析时，可以极大提高我们的分析效率，想要了解更多关于SPSS教学方法的教程，可以登录SPSS中文网站进行查看。

作者：EON