你用哪个都没关系。因子载荷上的符号将简单地翻转。例如，假设项目 1 和项目 2 应该加载相同的因子，但项目 2 是反向评分。第 1 项的因子负载可能是 0.53，第 2 项的因子负载可能是 -.41，但如果您改用重新编码的变量，它会是 0.41。只是不要把两个都放进去！

正如gung所说，重新编码反向评分的变量只会反转它们的因子负载的符号，所以这个决定很重要，因为你必须跟踪（并在你写的任何东西中指定）哪些变量是反向评分的，或者你是否对它们进行了重新编码。

对李克特量表评级的因子分析产生了一个不相关的问题。李克特量表产生有序（即多分类、有序、分类）数据，而不是连续数据。因子分析通常假设任何原始数据输入都是连续的。这是Reise、Moore 和 Haviland (2010)的引述：

普通的验证性因素分析技术不适用于二分或多分数据（Byrne，2006 年）。相反，需要特殊的估计程序（Wirth & Edwards，2007）。基本上有三个选项可用于处理多项项目响应数据。第一个是计算一个多元矩阵，然后应用标准因子分析方法（见 Knol & Berger，1991）。第二种选择是使用全信息项因子分析（Gibbons & Hedeker，1992）。第三是使用专门为有序数据设计的有限信息估计程序，例如带有均值和方差调整的加权最小二乘法（MPLUS；Muthén & Muthén，2009）。

基于 Wang 和 Cunningham (2005) 对典型替代方案问题的讨论，我建议将第一种方法和第三种方法结合起来（即，在多元相关矩阵上使用对角加权最小二乘估计）：

当使用最大似然和基于 Pearson 积矩相关性对非正态序数数据进行验证性因子分析时，本研究中产生的向下参数估计值与 Olsson (1979) 的发现一致。换句话说，观察到的序数变量中非正态性的大小是参数估计准确性的主要决定因素。

结果也支持 Babakus 等人的发现。（1987 年）。当最大似然估计与验证性因子分析中的多变量相关输入矩阵一起使用时，解决方案往往会导致不可接受的卡方值，因此会导致显着的卡方值以及较差的拟合统计量。

SPSS对李克特量表评级的探索性因素分析有一些解决方案。产生多变量相关性的第二种解决方案也应该与验证性因子分析一起使用。看来您可以在SPSS 中使用广义（加权）最小二乘估计，但不能使用对角加权最小二乘（）。Wang 和 Cunningham (2005) 的另一个预防措施：$DWLS$

因为加权最小二乘估计是基于四阶矩的，所以这种方法经常会导致实际问题并且对计算的要求很高。这意味着加权最小二乘估计在用于评估中等模型（即具有 10 个指标）到大样本量和小样本量到中等样本量时可能缺乏稳健性。

我不清楚同样的问题是否适用于估计。无论如何，作者建议使用该估算器。如果您愿意切换程序以使用：$DWLS$$DWLS$

• R（R 核心团队，2012）是免费的。2.15.2这些软件包 需要旧版本（例如）：
  • 包psych(Revelle, 2013) 包含该polychoric功能。
    • 该fa.parallel功能可以帮助确定要提取的因素的数量。
  • 该lavaan软件包 (Rossel, 2012)为潜在变量分析$DWLS$
  • 该semTools包包含efaUnrotate、orthRotate和oblqRotate函数。

我想Mplus (Muthén & Muthén, 1998-2011) 也可以，但是免费的演示版不能容纳超过六个测量值，而且许可版也不便宜。如果您负担得起，那可能是值得的；人们喜欢 Mplus，Muthéns 通过他们的论坛提供的客户服务令人难以置信！

PS 如果为了心理测量的有效性而头痛的问题不是太多，考虑到李克特量表评级的主观性质，您可能还需要考虑分析极端反应风格的问题。

参考

Babakus, E., Ferguson, JCE 和 Jöreskog, KG (1987)。验证性最大似然因子分析对违反测量尺度和分布假设的敏感性。营销研究杂志，24，222-228。

伯恩，BM (2006)。 使用 EQS 进行结构方程建模。 新泽西州马瓦：劳伦斯·厄尔鲍姆。

Gibbons, RD 和 Hedeker, DR (1992)。全信息项双因素分析。 心理测量学，57，423–436。

Knol, DL, & Berger, MPF (1991)。因子分析与多维项目响应模型之间的实证比较。多元行为研究，26，457-477。

Muthén, LK 和 Muthén, BO (1998-2011)。Mplus 用户指南（第 6 版）。加利福尼亚州洛杉矶：Muthén & Muthén。

Muthén, LK 和 Muthén, BO (2009)。Mplus（4.00 版）。[电脑软件]。加利福尼亚州洛杉矶：作者。网址： http: //www.statmodel.com。

美国奥尔森 (1979)。多元相关系数的最大似然估计。 心理测量学，44，443-460。

R 核心团队。（2012）。R：统计计算的语言和环境。R 统计计算基金会，奥地利维也纳。ISBN 3-900051-07-0，网址：http ://www.R-project.org/ 。

Reise, SP, Moore, TM 和 Haviland, MG (2010)。双因子模型和旋转：探索多维数据产生单一量表分数的程度。 人格评估杂志，92 (6), 544–559。2013 年 11 月 21 日检索。在线免费提供，网址：http ://www.ncbi.nlm.nih.gov/pmc/articles/PMC2981404/ 。

Revelle, W. (2013)。心理：人格和心理研究程序。西北大学，伊利诺伊州埃文斯顿，美国。网址：http: //CRAN.R-project.org/package=psych。版本 = 1.3.2。

罗塞尔，Y.（2012 年）。lavaan：用于结构方程建模的 R 包。统计软件杂志，48（2），1-36。网址： http: //www.jstatsoft.org/v48/i02/。

Wirth, RJ 和 Edwards, MC (2007)。项目因素分析：当前方法和未来方向。心理学方法，12，58-79。2013 年 11 月 21 日检索。在线免费提供，网址：http ://www.ncbi.nlm.nih.gov/pmc/articles/PMC3162326/ 。