回答:
因子負荷は1を超えることはできないと誰が言ったのですか？有りうる。特に、相関の高い因子を使用します。
SEMの著名な先駆者によるそれについてのレポートからのこの一節は、それをかなり要約しています：
「この誤解はおそらく、相関行列が分析され、因子が標準化され、無相関（直交）である場合、因子負荷が相関である古典的な探索的因子分析に起因します。ただし、因子が相関（斜め）である場合、因子負荷は回帰係数であり、相関関係ではないため、相関関係は1より大きい場合があります。」
因子分析またはPCA（1を参照、2を参照、3を参照）の負荷は、標準化された（単位分散）因子/成分による線形結合予測変数（項目）の重み、回帰係数です。
理由1：分析された共分散行列。 分析が標準化された変数である場合、つまり、分析が相関行列に基づいていた場合、抽出後または直交回転（varimaxなど）後-因子/成分が無相関のままの場合-負荷も相関係数です。これが線形回帰方程式の特性です。直交する標準化された予測子では、パラメーターはピアソン相関と等しくなります。したがって、そのような場合、ロードは[-1、1]を超えることはできません。
ただし、分析が中心化された変数である場合、つまり分析が共分散行列に基づいている場合、回帰係数はこのようなモデルは相関係数に等しい必要がないため、負荷を[-1、1]に限定する必要はありません。実際には、それらは共分散です。生のローディングであったことに注意してください。[-1、1]バンドを残さないように再スケーリングされた「再スケーリングされた」または「標準化された」ローディング（最初の段落で示したリンクで説明）が存在します。
理由2：傾斜回転。promaxやobliminなどの斜め回転の後、パターンマトリックス（回帰係数、またはそれ自体の負荷）と構造マトリックス（相関係数）の2種類の負荷があります。上記の理由により、これらは互いに等しくありません。相関予測子の回帰係数はピアソン相関とは異なります。したがって、パターンの読み込みは[-1、1]を簡単に超えてしまいます。相関行列が分析された行列である場合にも当てはまることに注意してください。だから、それは、ファクター/コンポーネントが斜めになるときの方法です。
理由3（まれ）：Heywoodケース。Heywoodケース（pt 6）は、反復で負荷が理論的に許容される大きさを超える場合の因子分析アルゴリズムの困難です。これは、共通性が分散を超えたときに発生します。Heywoodのケースはまれな状況であり、一部のデータセットでは通常、要求された数の因子をサポートするには変数が少なすぎる場合に発生します。プログラムは、Heywoodケースエラーがあることを通知し、停止するか、解決を試みます。