Le jeu des valeurs propres de rôle dans une analyse factorielle est similaire au rôle qu'ils jouent dans l'analyse en composantes principales: ils vous permettent de savoir combien de variation de chaque facteur ou le composant peut expliquer. L'objectif dans le choix des valeurs propres est d'inclure suffisamment de variation dans votre modèle que la solution finale est valable, sans surcharger votre modèle avec un trop grand nombre de facteurs.
L'intrigue d'éboulis est une approche graphique pour la sélection des valeurs propres. Cette approche, qui a été développé par Raymond Cattell en 1966, est un moyen peu subjectives de sélection facteurs. L'intrigue d'éboulis place les valeurs propres sur l'axe Y et les facteurs sur l'axe des x. L'utilisateur de cette procédure sera de trouver un "coude" dans le complot d'éboulis, qui est un point après lequel toutes les valeurs propres sont alignés de façon linéaire. Les valeurs propres avant ce coude sont celles que le chercheur devrait utiliser dans l'analyse factorielle.
La règle de Kaiser est une règle de prise de décision objective pour la sélection de valeurs propres. Il indique que toutes les valeurs propres supérieures à l'unité devraient être utilisés. Cette règle est intuitivement satisfaisant en ce que tous les facteurs associés aux valeurs propres sous l'unité contiennent moins d'informations que les variables d'origine qui ont été utilisés dans l'analyse des facteurs. Cette règle est à la fois objective et facile à utiliser.
Procédure de Horn reconnaît que les processus de l'analyse factorielle et l'analyse en composantes principales vont exploiter la variation aléatoire dans les données. Cette capitalisation sur la variation aléatoire conduit à la première valeur propre étant toujours supérieur à l'unité, indépendamment du fait que les données lui-même a des corrélations intéressantes entre les variables. Procédure de Horn traite de ce problème en comparant les valeurs propres de ne pas l'unité, mais pour les valeurs propres d'une analyse en composantes principales, qui utilisent des données non corrélées purement aléatoires. Chaque valeur propre de l'analyse factorielle est comparée à la valeur propre correspondant à l'analyse en composantes principales. Si l'analyse de la valeur propre facteur est plus grande, il est choisi. Dans le cas contraire, il est rejeté.