spss主成分分析中用特征值与特征向量得出主成分表达式的系数与成分得分系数矩阵得出的数

For the feature extraction of principal component values of the total and the proportion as weight calculation model of principal component features to each principal component corresponding to the value, obtained comprehensive principal component model

这个不能说此次分析就是失败的,应该说是你的变量或者说是问卷设计有问题
当然也可以不一定参照必须要大于0.5,但是常规的都是这样参照的
这个因子载荷低有可能是问卷变量设计问题,有可能是数据采集质量有问题
如果是第一个问题的话 你可以先进行下问卷题目调整,比如删减部分题目再尝试,当然不是随意删减的,而是根据项目分析的相关指标来进行.
如果是数据质量问题 你可以尝试着删除部分变量再试一下
如果两种方法都不行了,只能说明你的变量设计完全有问题或者数据完全不行 只能重做

以下全属个人看法,首先我认为,楼主对主成分分析还没有一个清楚的认知,导致所给的图形就不是最终判断分析的结果.在多元统计分析中,主成分分析是依靠因子分析的结果来进行的.
请饶在下唐突,不过确实,楼主的给因子载荷矩阵图是旋转前的因子载荷阵.在因子分析中,因子旋转是非常关键的一步措施,目的就是要使得每个变量仅在一个公共因子上有较大的载荷度.说白了就是让指标在主要成分上一分为二.
楼主做的分析有5类主成分,11个变量指标,最终的分析结果是5类关键因子,分别对5类主成分起关键作用.按楼上的回答是错误的,怎么样也是5组关键因子……
从未旋转的图很明显发现,虽然想要把指标分两类相当容易,一类是正值,一类是负值.但是,载荷度高意味着数值较大（不是绝对值）,楼主可以自己分析一下,你给的载荷阵中的正值从0-0.7几不等,把这样的一类指标都归结为对主成分起关键作用是不合理的.负值中同样存在这样的道理,把-0.1—-0.7都归结为对主成分载荷小的指标也太过武断.正常的旋转过后的因子载荷阵会出现某几个因子载荷在0.8以上,这是最终要寻找的结果.
所以楼主希望有个正确结果,先做因子旋转吧,把旋转过后的因子载荷矩阵发上来,本人很乐意效劳.
顺便提一下因子旋转的操作……其实都在一起…… 在Factor Analynis对话框下点击Rotation选项,选择因子旋转的方式,一般都是最大方差法,选择Varimax,并选择Display栏中的Rotated solution复选框,单击continue,返回主界面.OK~