主成分分析只是變量變換，而因子分析需要構建因子模型,Public因子比主成分更容易解釋；因子分析的評價結果不如主成分分析準確；因子分析的計算工作量大于主成分分析,因子分析法可以很好的覆蓋原始數(shù)據(jù)的所有項，同時將分析過程簡化為因子項分析,因子分析法和(獨立分量)分析法。

因子分析法和(獨立分量)分析法。因子 分析法:其主要目的是探索隱藏在大量觀測數(shù)據(jù)背后的某種結構，找到一組變量變化的共性因子。獨立分量分析法:而ICA對原始數(shù)據(jù)進行降維，提取獨立屬性。都提取相互獨立的屬性或者common 因子。供參考

主成分分析和因子分析都是信息集中的方法，即把多個分析項目濃縮成幾個總的指標。因子在主成分分析的基礎上，增加了一個旋轉函數(shù)，其目的是命名，這樣更容易解釋因子的含義。如果研究的重點是指標與分析項目的對應關系，或者想給得到的指標命名，SPSSAU建議使用因子 analysis。主成分分析以信息集中(但不太注重主成分與分析項目的對應關系)、權重計算、綜合得分計算為目的。如果想比較排名，計算綜合競爭力，可以用主成分分析。兩種方法SPSS都可以直接使用，支持自動保存因子 score和綜合得分，無需人工計算。

因子分析與主成分分析的異同:原始數(shù)據(jù)標準化；消除了原指標的相關性對綜合評價造成的信息重復的影響；綜合評價中涉及的權重是客觀的；在信息損失很小的前提下，減少了評估的工作量。Public 因子比主成分更容易解釋；因子分析的評價結果不如主成分分析準確；因子分析的計算工作量大于主成分分析。主成分分析只是變量變換，而因子分析需要構建因子模型。主成分分析:原始變量的線性組合代表一個新的綜合變量，即主成分；因子解析:潛在假設變量和隨機影響變量的線性組合代表原始變量。

優(yōu)點:當你面對大量的數(shù)據(jù)，尤其是數(shù)據(jù)項很多的時候，單獨分析每組數(shù)據(jù)是很繁瑣的。但是，如果您選擇幾組數(shù)據(jù)進行分析，您的分析結果將會不準確。因子 分析法可以很好的覆蓋原始數(shù)據(jù)的所有項，同時將分析過程簡化為因子項分析。因此是簡單的。缺點:因子分析只能面對綜合評價。同時，對數(shù)據(jù)的數(shù)量和構成也有要求。首先需要進行KOM測試，看數(shù)據(jù)是否能用因子 分析法。而且，在設計問卷的時候，我們還需要有針對性的設計問題。我現(xiàn)在正在設計DT問卷。。。。。。祝我好運。想了解因子分析的具體內容，或者在實踐中應用，請?zhí)釂枴Ｍ杉{

{4。