我有一组 20 个变量，我在 SPSS 中进行了因子分析。出于研究的目的，我需要开发 6 个因素。SPSS 显示有 8 个变量（共 20 个）被加载了低权重或被多个因素平均加载，所以我删除了它们。剩下的 12 个变量在 6 个因子中成对加载了 2 个，这是完美的结构——正如我想要的那样，但是现在，和我一起工作的一位教授希望我找到理由为什么（或在什么条件下）它适合每个因子仅保留 2 个项目，因为众所周知，因子分析对于每个因子加载 3 个或更多项目的结果很有用。
任何人都可以帮助我解决这个问题，最好还有一个已发布的参考资料？
每个因素两个或三个项目是确定您的 CFA（确认性 FA）模型的问题。
为简单起见，我们假设通过将每个因子的方差设置为 1 来识别模型。还假设没有相关的测量误差。
具有两个项目的单因子模型有两个载荷和两个要估计的误差方差 = 4 个参数，但方差-协方差矩阵中只有 3 个非平凡条目，因此您没有足够的信息来估计这四个参数你需要的。
具有三个项目的单因素模型具有三个载荷和三个误差方差。方差-协方差矩阵有六个条目，仔细的分析检查表明模型是准确识别的，您可以将参数估计值代数表示为方差-协方差矩阵条目的函数。每个单一因素有更多的项目，你有一个过度识别的模型（比参数更多的自由度），这通常意味着你很高兴。
对于一个以上的因素，CFA 模型总是被识别为每个因素 3+ 个项目（因为为每个因素确定了一个简单的测量模型，所以粗略地说，您可以得到每个因素的预测并据此估计它们的协方差）。但是，如果每个因素与总体中的至少一个其他因素具有非零协方差，则确定每个因素具有两个项目的 CFA。（否则，所讨论的因素会脱离系统，并且无法识别两项单因素模型。）识别的证明是相当技术性的，并且需要对矩阵代数有很好的理解。
Bollen (1989)在第 7 章全面彻底地讨论了 CFA 模型的识别问题。见 p. 244 特别关于三指标和二指标规则。
我从未听说过“每个因素 3 项”标准。我会扭转这个问题，并要求你的教授为这个陈述提出一个合理的参考。
除此之外，“为了研究的目的，我需要开发 6 个因素。” 说起来很奇怪。
因素分析的基本目的是 1）找出有多少因素（通常是心理特征）是（更大）数量的测量变量的基础。然后 2)，基于因子负载，尝试描述这些因子的真正含义。
您不是“开发” 6 个因素，而是“试图衡量” 6 个因素。
但是，存在的交叉负载（由多个因素加载的变量）通常表明这些因素正在“试图相互关联”。这是有道理的，因为我们知道基本上一切都与现实世界中的一切相关。通过使用倾斜（而不是正交变异最大值）旋转在您的分析中实施此观察通常可以消除许多交叉载荷。恕我直言，理论上它也更合理。
试一试，每个因素你可能会得到更多的项目。这也可能（部分）解决您的问题。
我现在有同样的问题。这是一篇文章，建议每个因素至少使用 3 个项目。但是，在特殊情况下，您可能会使用每个因素的项目（第 60 页）。http://www.sajip.co.za/index.php/sajip/article/download/168/165 我的情况似乎很特殊，因为在我的基于网络的实验中只有两个变量可以提供有关玩家的信息战略和战略力量。可能它也可以帮助您在某些因素上使使用 2 个项目合法化。