因素分析擷取
方法。 允許您指定因素擷取。 可使用的方法包括：主成份、未加權最小平方、概化最小平方、最大概似、主軸因素擷取、alpha 因素擷取、映像因素擷取。
- 主成分分析。 一種擷取因素的方法，用於構成觀察變數的不相關線性組合。 第一個成份的變異數最大。 後續的成份說明變異數的比例逐漸減少，而且互不相關。 使用主成份分析可取得起始因素統計量。 當相關性矩陣奇異時，可使用此方法。
- 未加權最小平方法。 將觀察值及重製相關性矩陣（忽略對角線）之間平方差總和最小化的因素擷取方法。
- 一般性最小平方法。 一種因素擷取方法，可最小化觀察到的與重新產生的相關性矩陣之間平方差總和。 系統會藉由其唯一性的反方向來加權相關性，因此擁有高唯一性的變數即會獲得較少的加權，而擁有低唯一性的變數則會獲得較多的加權。
- 最大概似方法。 一種因素擷取方法，如果樣本是來自多變量常態分佈，則此方法會產生最可能具有觀察相關性矩陣的參數估計值。 此外，會藉由變數的反向唯一性來加權相關性，且會使用反覆運算演算法。
- 主軸因素擷取。 此方法使用在對角線的複相關係數平方值，作為共同性的起始估計值，從原始相關性矩陣中擷取因素。 這些因素負荷用於估計新的共同性，以替換在對角線的舊共同性估計值。 反覆運算會一直繼續，直到從某個反覆運算到下一個反覆運算中，共同性變更可滿足擷取因素的收斂準則為止。
- Alpha 分解。 將分析中的變數視為所有潛在變數之樣本的一種因素擷取方法。 此方法會將因素的 Alpha 可靠性最大化。
- 映像因素擷取。 由 Guttman 根據映像理論發展出的一種因素擷取。 變數的常見部分稱作偏映像，且會定義為本身在其他變數中的線性迴歸，而非假設因素函數。
分析。 允許您指定相關性矩陣、或共同變異數矩陣。
- 相關性矩陣。 如果您的分析用不同的尺度法來測量變數，就很有用。
- 共變異數矩陣。 如果要將因素分析套用到多個群組，而且群組中每個變數的變異數各不相同，就很有用。
擷取。 因素的特徵值如果超過指定值，則可以將它們全部保留起來，或者您可以保留指定個數。
顯示。 允許您要求未轉軸前的因素統計量，以及特徵值的陡坡圖。
- 未旋轉因素統計量。 顯示未旋轉因素負荷量（因素型樣矩陣）、共同性，以及因素解的特徵值。
- 碎石圖。 與每一個因素相關聯的變異數圖。 此圖用於決定應保留多少因素。 一般情況下，此圖會顯示大型因素的陡坡之間的特定分段，以及（陡坡）其餘部分的漸性尾端。
收斂最大疊代。 可讓您指定在評估解時，演算法可執行的步驟數上限。
若要指定擷取選項
本功能需要 Statistics Base 選項。
- 從功能表中選擇：
- 在「因素分析」對話框中，按一下「擷取」。