因子分析是通过研究变量之间的相关系数矩阵，把这些变量之间错综复杂的关系归结成少数几个综合因子，并据此对变量进行分类的一种统计分析方法。
由于归结出的因子个数少于原来的变量数目，但是他们又包含了原始变量的信息，所以这一分析过程也叫做降维。
因子分析的目的是什么？
1）探索结构：在变量之间存在高度相关性的时候，我们希望用较少的因子数目来概括其信息。
2）简化数据：把原始变量转化为因子后，使用因子得分进行分析，比如聚类分析、回归分析等。
3）综合评价：通过每个因子得分计算出综合得分，对分析对象进行综合评价。
需要了解的几个概念
1）因子载荷
因子载荷就是每个原始变量和每个因子之间的相关系数，反映了变量对因子的重要性。
通过因子载荷值的高低，我们能知道变量在对应因子中的重要性大小，这样能够帮助我们发现因子的实际意义，有利于因子的命名。
当有多个因子时，因子载荷将构成一个矩阵，称之为因子载荷矩阵。
2）变量共同度
变量共同度就是每个变量所包含的信息能够被因子所解释的程度，取值范围【0，1】，取值越大，表示该变量能被因子解释的程度越高。
3）因子旋转
因子分析的目的是什么？
1）探索结构：在变量之间存在高度相关性的时候，我们希望用较少的因子数目来概括其信息。
2）简化数据：把原始变量转化为因子后，使用因子得分进行分析，比如聚类分析、回归分析等。
3）综合评价：通过每个因子得分计算出综合得分，对分析对象进行综合评价。
需要了解的几个概念
1）因子载荷
因子载荷就是每个原始变量和每个因子之间的相关系数，反映了变量对因子的重要性。
通过因子载荷值的高低，我们能知道变量在对应因子中的重要性大小，这样能够帮助我们发现因子的实际意义，有利于因子的命名。
当有多个因子时，因子载荷将构成一个矩阵，称之为因子载荷矩阵。
2）变量共同度
变量共同度就是每个变量所包含的信息能够被因子所解释的程度，取值范围【0，1】，取值越大，表示该变量能被因子解释的程度越高。
3）因子旋转