De ladingen in een factor-analyse moeten nooit klakkeloos worden overgenomen, maar in combinatie met andere informatiebronnen worden beschouwd (zie ook e.g. dit artikel en dit artikel).
Als je een item hebt dat op meerdere factoren laadt, kun je jezelf bijvoorbeeld de volgende vragen stellen:
- Is dit, gegeven de inhoud van het item en de interpretatie van de factoren, verklaarbaar? Zonee:
- Is het item misschien verkeerd geinterpreteerd?
- Of is je interpretatie van de factoren misschien fout?
- Hoe correleert het item met de andere items?
- Zijn er andere items die niet laden zoals je, op basis van hun inhoud, zou verwachten?
Factor-analyse is een heel subjectief proces. Onthoud ook dat de factorladingen zoals je ze van statistische software krijgt vaak puntschattingen zijn; je kunt je hier een betrouwbaarheidsinterval omheen voorstellen. Met andere woorden: de waarde van de factorlading in je steekproef is, net zoals de waarde van een correlatie, of een verschil tussen gemiddelden, maar zeer beperkt informatief. Het gaat om de waarde van de factorlading in de populatie, en die wijkt altijd af van de waarden uit je steekproef. Ik weet niet of in SPSS ook betrouwbaarheidsintervallen kunt bestellen, maar die vallen sowieso nog niet in het curriculum. Het bewustzijn dat de puntschattingen niet te serieus moeten worden genomen, is echter wel bruikbaar in dit soort situaties. Een factorlading van .5 kan soms net zo goed .2 of .8 zijn in de populatie (afhankelijk van onder andere je steekproefomvang).
Bovendien moeten (sub-)schalen niet alleen betrouwbaar zijn, maar ook valide (zie dat eerste artikel waarnaar ik link), dus je kunt een item ook op basis van inhoud indelen, zelfs als het even hoog laadt op twee factoren.