最近分析師在進行統計跟論文諮詢時，經常被問到當問卷進行因素分析後，其中問卷題目的分析結果不盡理想，可以採用哪些方法調整因素分析的結果呢?
我們彙整出三個研究學者常使用的方法，提供給大家參考。
研究者通常會使用特徵值、轉軸等方式進行刪題的依據，以下五點詳述如下。
一、特徵值
通常會採用特徵值(eigenvalues)大於1作為判斷問卷因素個數之標準，若顯示出來的結果不如預期，建議可根據理論依據，改採用固定因素個數進行因素分析，應可獲致較佳的分析結果(王嘉寧、翁儷禎，2002)。
二、因素轉軸
使用因素轉軸(factor rotation)，其可分為直交(正交)轉軸法(orthogonal rotations)以及斜交轉軸法(oblique rotations)，建議若在未轉軸之前的因素分析結果不佳，可採用轉軸法，協助調整題目因素負荷量的大小，通常都可獲得較佳的分析結果(吳明隆、涂金堂，2005)。
三、正交轉軸
直交(正交)轉軸法：因素與因素之間沒有相關，最常使用的是「最大變異法(Varimax)」。
四、斜交轉軸
斜交轉軸法：因素與因素之間存有某種程度的相關，最常使用的是「直接斜交轉軸法(Direct Oblimin)」。
五、樣本數
樣本數不得少於100人，題目數和問卷填答者人數的比例最佳為1：5 (Gorsuch, 1983)，所以建議在執行因素分析之前，需收到足夠的樣本數再進行因素分析。
—-
另外，若採用上述的調整方式所獲得的因素分析結果未臻完善，例如因素負荷量過低、同一個題目跨足兩個因素以上等原因，則建議予以刪除問卷的題目，因此小編整理出三個研究學者常使用的刪題依據，提供給大家參考。
一、題目的因素負荷量 < 0.4 (另有學者提高或降低因素負荷量之標準)
二、題目跨因素：題目在兩個(含)以上之因素中的因素負荷量均高於4以上
三、題目未出現在預期的因素中
最後，希望大家都能有好的分析結果，順順利利的完成分析，本篇文章的相關參考文獻如下。
