使用因子分析来构建规模是一门艺术。在因子轮换后，通常会丢弃在多个因子上大量加载的项目。

也就是说，一些替代的想法：

• 考虑是否提取了足够的因子。有时，当您提取更多因素时，交叉加载项目或根本不加载太多的项目可以在一个因素上干净地加载。
• 如果这只是数据收集的初始阶段，并且您计划生成更多项目，或者您已经拥有一个大型项目池，那么放弃交叉加载项目更有意义。如果这是单次射击，那么您可能更不愿意丢弃物品。
• 您还需要考虑交叉加载的阈值（.3、.4、.5）。如果您将其设置得太高，那么您可能无法识别有问题的项目。如果您将其设置得太低，那么您可能会拾取交叉加载，这些交叉加载要么反映了数据中的一点噪音，要么更普遍地不会对您的因子的纯度产生实质性影响。
• 不要忘记思考。想想为什么这些项目是交叉加载的。导致这种交叉加载的这两个因素和项目的性质是什么？您想要建模和保留交叉加载项可能有理论或其他原因。

参考

您可能想阅读以下有关因子分析和量表构建的一些文章：

• 克拉克和沃森的构建效度：客观量表开发的基本问题。PDF格式
• Gerbing 和 Anderson 的更新范式用于包含单维性的规模发展及其评估PDF
• Reise、Waller 和 Comrey 的因子分析和量表修订PDF
• Hinkin 组织研究中规模发展实践的回顾PDF
• Ford、MacCallum 和 Tait 的探索性因素分析在应用心理学中的应用：批判性回顾和分析
• Fabrigar、Wegener、MacCallum 和 Strahan 评估探索性因素分析在心理学研究中的应用
• Costello 和 Osborne 在探索性因素分析中的最佳实践：从数据分析中获得最大收益的四项建议