1，因子 分析参考研究从变量组中提取共性因子的统计技术。它是由英国心理学家C.E .斯皮尔曼首先提出的。他发现学生各科成绩有一定的相关性。一科成绩好的学生，其他科成绩往往更好。2.可以推断是否存在某些潜在的共性因子，或者某些一般的智力状况影响学生的学习成绩。因子 分析我们可以在众多变量中找到隐藏的代表因子。将本质相同的变量归入一个因子可以减少变量个数，检验变量间关系的假设。
4、 因子 分析有什么用处?问题:你觉得因子 分析有什么用？把很多原本的影响因素总结成几个影响因子。如果不继续回归或聚类，只做因子 分析，有价值吗？答:因子 分析是将多个测量变量转化为少数几个综合指标(或潜变量)，体现了一种降维的思想。通过降维，把相关性高的变量聚集在一起，从而减少了需要分析的变量数量，降低了问题的复杂度分析。当你不知道问题系统的结构时，因子 分析可以根据数据的内在逻辑组合成几个public 因子，每个public 因子分别代表空间的一个维度。如果是正交或斜向旋转，这些码因子可以比较完整地描述物体的系统维度，至少在累积方差贡献率大于85%的情况下，基本可以保证重要信息不丢失。
5、基于 因子 分析的全国各省市城市竞争力评估spss 因子 分析详细步骤[摘要]本文针对全国各省市进行了深入细致的研究。基于全国31个省、市、自治区的8个竞争力评价指标数据，通过该方法提取出3个公众人物因子 -1。根据因子的负荷和指标意义，给出了这三公因子的经济意义。以各因子的贡献率为权重，得出全国31个省、市、自治区的城市竞争力评价指标排名。通过每因子、
6、 因子 分析概念在科学的各个领域研究，往往需要观察大量反映事物的变量，收集大量数据，才能分析找到规律。多变量大样本无疑会为science 研究提供丰富的信息，但也在一定程度上增加了数据收集的工作量。更重要的是，在大多数情况下，许多变量之间可能存在的相关性增加了问题的复杂性分析并给分析带来了不便。如果分析每个指标都是分割的，分析可能是孤立的，而不是综合的。
因此，需要找到一种合理的方法，在减少索引分析的同时，尽可能地减少原索引所包含的信息的损失，对收集到的数据进行综合分析。因为变量之间有一定的相关性，所以我们用几个指标来综合每个变量中的各种信息。这几个综合指标互不相关，即所代表的信息没有重叠，通常称为因子，因子 分析因此得名。因此，因子 分析是将多个测量变量转化为少数几个不相关的综合指标的多元统计方法分析(于志军等，1984；赵旭东，1992年；卢明德，1991年)。
