问：问作为市场调查人员,为什么有时需要对调查数据进行因子分析?
- 答：正确有效的处理这些多变量大样本的数据。
市场调研迅做过程中，研究人员经常宴腊需要面对大批量的数据，这些数据不但数据量大，涉及的变量众多，而且变量间往往存在一定的相关性，为分析问题带来了一定的难度。因此，如何正亩祥衡确有效的处理这些多变量大样本的数据，既是研究人员感兴趣的一个问题，也是研究人员需要具备的一种能力。在这方面，因子分析有着较为广泛的应用。
因子分析是一种主要用于数据化简和降维的多元统计分析方法。在面对诸多具有内在相关性的变量时，因子分析试图使用少数几个随机变量来描述这许多变量所体现的一种基本结构，从而将数据降至一个可以掌握的水平（amanageablelevel）。这既便于问题的分析，易于抓住问题的本质所在，同时也为后续的统计分析奠定了基础。
问：因子分析到底有什么用处
- 答：可以发现变量之间的关系，将多变量划归为少数几个维度或因子。在问卷编制等方面用处比较大。
- 答：答：（1）因子分析方法是心理科学对统计学的伟大贡献，它被广泛用于心理与教育研究及其他学科领域。在心理学研究中。尤其是在心理测量领域、国子分折技术有着重要的功能。它可用于协助测验研究者进行测验效度的验证、建立量表的因子效度Cactorialvalidity)，协助研究者简化测数内容选用最具有代表性的题日来测量特质，以最少的项目实施最合适的断量用来协助测验编制，进行项目分析、检验项目的优劣、等等。
（2）近年来、随着电脑的发展，因子分析的应用已有多种不同的变化、其中国验证性因子分析为核心的结构方程模型StructuralEquation Modeline)技术与应用软件不断被开发、更新。在未来。因子分析依然有着相当广国的发展空间和应用空间。
（3）前面介绍的多因子方差分析、多重回归分析、因子分析等多变量统计分析技术和方法，是当代心理学和教育科学研究领域中最受关注与讨论的统计方法，它们有着非常广泛的用途。除此之外，其他的多变量统计方法还有判别分析、聚类分析，等等。这些方法一个共同的特点是计算过程都比较繁复，须借助于电子计算机和统计软件包才能完成。随着计算机在心理与教育研究中使用的普及，以及统计软件的开发推广，这些方法、包括在各种不同情况、不同假设条件下才能使用的多因子分析方法的实际应用。展现出了十分重要的研究工具性价值和方法学的价值，它们越来越显示出其重要作用。
（4）最后，需要说明的是，研究中统计方法的选择运用一定要服务于研究目的，用最简捷的方法解决比较复杂的问题一直是科学研究遵循的一个准则，千万不要形而上的追求方法的绝对运用，而忽视了研究的实质。另外，在选择、使用多变量统计方法的时候，一定要懂得各种多变量统计分析方法的基本原理、基本过程，了解其基本假设条件，这也是利用计算机进行各种统计分析的基本原则和前提。 - 答：因子分析的主要目的是用几个因子去描述多个变量之间的关系，以达到降维的目的，被描述的变量一般都是可以观测到的变量，而因子却是潜在的变量，比如运动能力，耐力，毅力等等。
数据分析中，主成分分析（PCA）是被大家熟知的数据降维的方法，而因子分析和主成分分析是非常相似的两种方法，也就是说，二者都可以达到降维的目的（即减少变量的个数或者维度）。但是因子分析最大的优点就在于：对新的因子能够进行命名和解释，是因子具有可解释性。具体就是比如目前有十个数据：分别有跳远、投标枪、50米短跑、2000米长跑、投实心球、投掷铅球、滑雪、跳高、拔河以及竞走。那么因子分析之后，可能跑步和竞走达到降维为一个变量耐力或者持久力。而且这个因子是对于跑步或者竞走有一个解释的能力。看到这里你应该对因子分析有个大致的了解的。
最后来看一下，因子分析可以解决什么样的问题？
在多变量场景下，挖掘背后影响因子
比如在企业和品牌调研中，消费者会调查很多问题来评估企业品牌。对这些问题通过因子分析可以刻画出背后少量的潜在影响因素，比如服务质量、商品质量等等。
用于数学建模前的降维
因子分析和主成分分析都可用于降维。但因子分析的优点是，因子作为新的解释变量去建模，有更好的解释性。
因此对于有些需要业务解释的数据建模，可以在建模前通过因子分析提取关键因子，再用因子得分为解释变量，通过回归或者决策树等分类模型去建模。
最后本人也学过数据建模与分析，因子分析是其中非常重要的一部分内容，不管是你以后跟数据打交道，还是跟金融打交道，都很有用。
问：怎么用SPSS做因子分析 具体的步骤是什么 哪位大神来详细解答下啊
- 答：可以使用在线spssau完成，可结合帮助手册的案例懂的更快。
通常有三个步骤：第一步是判断是否适合进行因子分析;第二步是因子与题项对应关系判断;第三步是因子命名。
第一步:判断是否进行因子分析。
主要看KMO值大小，一般KMO值大于0.6说明适合进行因子分析。
第二步:提取因子，因子与题项对应关系判断。
看因子的提取情况，以及因子载荷系数，分析题项与因子的对应关系。
第三步:因子命名。
在第二步删除掉不合理题项后,并且确认因子与题项对应关系良好后,则可结合因子与题项对应关系,对因子进行命名。
具体步骤可阅读在线spssau帮助手册： - 答：我这次的论文也是用因子分析来做的，在图书馆借了几本书外加在网上搜集的资料，可以说是小有成就啦
第一步就是先输入数据，建议先将数据用excel列好，到时直接复制粘贴了
第二步是分析相关性，将相关的变量剔除掉，选取手术几个不相关的指标
第三 采用主成分分析法对原始数据进行标准化变换并求相关系数矩阵Rm@n, 求出R的特征根Ki及相应的标准正交化特征向量ai, 计算特征根Ki的信息贡献率,确定主成分的个数, 将经过标准后的样本指标值代入主成分, 计算每个样本的主成分得分。
最后将主成分的值加总，得出排名。。。不知道我这么做是不是麻烦的，，希望能帮到你，又不懂的还可以问我 - 答：（1）用巴特利球形检验或KMO检验，判断学生的各科成绩是否适合因子分析；
（2）构造因子变量，用主成分分析法，确定公共因子；
（3）求因子载荷矩阵；
（4）对因子载荷矩阵进行旋转，使各门课程在公共因子上的作用更加明显并易于解释；
（5）计算因子得分系数矩阵，根据回归算法计算出因子得分函数的系数；
（6）根据“ ”（其中 是第 个主成分的贡献率， 是第 个因子的得分）模型，计算每个学生成绩在 个公共因子上的得分并求和，以此作为综合评价的依据进行排序。 - 答：你好spss熟练掌握你怎么联系呢
- 答：只要你熟懂因子分析的原理你就可以看明白每个选项的意思以及处理的结果
如果不会分析我可以帮你分析
