在探索性因素分析的过程中，论及因素的保留与删除，主要是保留的问题；论及题项的保留与删除，则主要是删除的问题。由于因素是题项构成的，所以，保留因素与删除题项存在密切关系，虽然，二者的侧重点不同，依据的标准也不同。特别地，并非要先确定删除哪些题项，保留哪些因素才是应当优先考虑的。或者说，删除题项，需要综合考虑。

研究者编写题项，对测试数据进行探索性因素，保留所有题项，即不删除任何一个题项，这种情况是存在的。不过，更多的时候，研究者都会删除一些题项，因此，删除题项是探索性因素分析更常见的情况。

通常，研究者删除题项的标准是题项的载荷。经过旋转，那些在各个因素上的载荷均小于某个值（例如，.30、.35、.40）的题项，可以删除；那些在两个或多个因素上的载荷大于某个值（例如，.30、.35、.40）的题项，可以删除。一个题项在两个因素上的载荷，称为交叉载荷。实际上，研究者往往用交叉载荷专指一个题项的第一大和第二大这两个载荷。

删除题项的过程与保留因素的过程，不可避免地交织在一起。在一些情况下，研究者可以评估几个不同的因素解，比如，双因素解、三因素解、四因素解，对比它们的相对优点。如果是这样，那么，在确定因素的最终个数之前删除题项，就会减少保留因素的个数。另一方面，不必要地保留那些对任何潜在的因素解均无实际贡献的题项，也会更难做出保留因素的最终决定。

因此，在探索性因素分析的早期阶段，不要删除可能有潜在意义的题项，只有在因素解清晰之后，才删除题项，优化量表长度。也就是说，研究者在因素分析的这个阶段，做出删除或保留题项的决定，应当基于题项对因素解的贡献，而不是量表的最终长度。毕竟，现在编制量表时，人们倾向于确定简短的量表。

大多数研究者用题项在因素上的载荷及交叉载荷的某个下限作为指南，来确定是否删除题项，然而，确定载荷与交叉载荷大小的标准，其实只是研究者的偏好问题（Tabachnick & Fidell, 2001）。更多较大的交叉载荷，会使因素之间的相关较高，因此，需要选择斜交旋转，从而，得到的因素角，不太可能是近似简单结构。

正因如此，研究者以载荷为标准删除题项时，应当把载荷最小值的绝对值尽可能设置得大一些，把交叉载荷的差值尽可能设置得小一些，同时，又不影响量表的长度或因素的结构，这样得到的结果，题项的交叉载荷值都将较低，而近似简单结构也会更好。例如，研究者应当删除因素载荷<.32或交叉载荷的差异<.15的题项。显然，研究者还应当删除那些在两个或多个因素上的载荷绝对值大于特定值（例如，.32）的题项。

不过，研究者在把交叉载荷作为删除题项的标准时，应当慎重，以便确定最后的因素解。对于一个交叉载荷相对较高的题项，如果它载荷较高的另一个因素未能保留，那么，这个题项也可能不需要删除（Worthington & Whittaker, 2006）。

旋转后的题项共同度（communality）也可以作为删除题项的标准。一方面，题项共同度对于确定一组数据的可成因素性是重要的，另一方面，题项共同度可以评估删除或保留特定题项的效果，因为共同度能够反映因素可以解释的题项方差（Tabachnick & Fidell, 2001）。因此，共同度低的题项，例如，共同度<.40的题项，它与解中的一个或多个因素不会存在高相关，应予删除。

有研究者指出，可以删除如下情况的题项：其一，因素载荷最小的题项；其二，交叉载荷最大的题项；其三，对量表分数的内部一致性贡献最小的题项；其四，与因素包含的其他题项的概念一致性较低的题项（Worthington & Whittaker, 2006）。

实际上，探索性因素分析是个真正的探索过程，例如，每删除一个题项，都可能极大地改变因素分析的结果。这是探索性因素分析灵活性的体现，也是它不确定性的体现，需要研究者正确理解和把握。

参考文献

Tabachnick, B. G., & Fidell, L. S. (2001). Using Multivariate Statistics (4th ed.). New York: Harper & Row.

Worthington, R. L., & Whittaker, T. A. (2006). Scale development research: A content analysis and recommendations for best practices. The Counseling Psychologist, 34, 806-838.