将分析题项拖入选框中，点击进行“开始因子分析”（用户可主动设置因子个数）。
因子分析（探索性因子分析）用于探索分析项应该分成几个因子，比如20个量表题项应该分成几个方面较为合适。
因子分析通常有三个步骤：第一步是判断是否适合进行因子分析；第二步是因子与题项对应关系判断；第三步是因子命名。
因子分析应用举例：
1、案例
当前有一份数据，共有12个量表题，希望将此12个量表题使用因子分析浓缩成几个维度，用于探索企业员工满意度的维度情况。研究人员在研究前预期分析项可分为4个维度（也可不事先假定），当然有可能个别项与因子对应关系并不合适，因此有可能对其进行删除处理。
2、操作步骤
将分析题项拖入选框中，点击进行“开始因子分析”（用户可主动设置因子个数）
得到的分析结果如下：
第一步：首先判断是否适合进行因子分析
KMO和Bartlett检验结果
SPSSAU对结果进行智能分析
第二步：判断提取的因子个数
第三步：是因子与题项对应关系判断
因子与题项对应关系判断：假设预期为4个因子(变量)，分析题项为12个；因子与题项交叉共得到48个数字，此数字称作”因子载荷系数”(因子载荷系数值表示分析项与因子之间的相关程度)；针对每个因子(变量)，对应12个”因子载荷系数”，针对每个分析项，则有4个”因子载荷系数值”(比如0.765,-0.066,0.093,0.075)，选出3个数字绝对值大于0.4的那个值(0.765),如果其对应因子1,则说明此题项应该划分在因子1下面。
第四步：对因子进行命名
本次研究员工满意量表共提取出4个因子，此4个因子对应的题项分别为4个、3个和2个，对4个因子分别进行命名，分别为福利待遇因子、管理及制度因子、员工自主性因子和工作性质因子。
可以。
因子分析是指研究从变量群中提取共性因子的统计技术。最早由英国心理学家C.E.斯皮尔曼提出。他发现学生的各科成绩之间存在着一定的相关性，一科成绩好的学生，往往其他各科成绩也比较好，从而推想是否存在某些潜在的共性因子，或称某些一般智力条件影响着学生的学习成绩。因子分析可在许多变量中找出隐藏的具有代表性的因子。将相同本质的变量归入一个因子，可减少变量的数目，还可检验变量间关系的假设。
童鞋你好！
这个估计需要自己搜索了！
网上基本很难找到免费给你服务的！
我在这里给你点搜索国际上常用的外文数据库：
----------------------------------------------------------
❶ISI web of knowledge Engineering Village2
❷Elsevier SDOL数据库 IEEE/IEE(IEL)
❸EBSCOhost RSC英国皇家化学学会
❹ACM美国计算机学会 ASCE美国土木工程师学会
❺Springer电子期刊 WorldSciNet电子期刊全文库
❻Nature周刊 NetLibrary电子图书
❼ProQuest学位论文全文数据库
❽国道外文专题数据库 CALIS西文期刊目次数据库
❾推荐使用ISI web of knowledge Engineering Village2
-----------------------------------------------------------
中文翻译得自己做了，实在不成就谷歌翻译。
弄完之后，自己阅读几遍弄顺了就成啦！
学校以及老师都不会看这个东西的！
外文翻译不是论文的主要内容！
所以，很容易过去的！
祝你好运！
1、首先打开SPSSAU，右上角【上传数据】，点击或者拖拽原始数据文件上传。
2、选择【进阶方法】->【主成分】，选择需要分析的题目，拖拽到右侧。点击“开始主成分分析”。
3、可以自行设置好要输出的主成分个数，而不是让软件自动识别。
4、同时可以点选保存“成分得分”或“综合得分”，分析结束后用于后续分析使用。
5、完成以上操作后，即可得到分析结果，结果如下图所示，就完成了。
Factor analysis model is an extension of the principal component analysis, it also used the idea of dimensionality reduction, by the dependence of the correlation matrix of original variables of to some of the complex relationship between the variables is reduced to a few integrated factors, a multivariate statistical method. The total wages of employees in various regions is one of the important indicators of economic development, he generally contains 19 variables representing different industries. The purpose of this paper is to further reduce the number of relational variables (indicators) by factor analysis.
