（1）数据标准化处理。由于实测变量往往存在不同的变异程度和度量单位，为减少量纲差异对结果的影响，首先需要对数据进行标准化处理。本文采用Z-score法，使得所有样本数据范围都控制在正负1之间。

（2）数据的适用性检验。标准化后的数据需要进一步利用KMO检验和Bartlett球形度检验来检验数据是否适用于因子分析。KMO统计量在0.7以上时表示数据适用因子分析；而统计量低于0.5时的数据不宜作因子分析。Bartlett球形检验统计量的主要通过Sig值来表明各个数据变量之间的显著相关性，当Sig值小于0.01时表明数据间存在着显著相关性，适用于因子分析^[9-10]。

（3）公共因子的确定。为了能够用最少的指标解释所有的变量，本文采用SPSS25.0软件计算主成分的特征值及累计贡献率，选取特征值大于1作为公共因子，用于解释所有变量的绝大部分，对数据进行降维处理。并通过碎石图的折线变化进一步检验公共因子的选择结果。