因數分析
因素分析會試著找出基本變數（或「因素」），因為這些變數 (或因素) 可以說明觀察變數組中，所存在的相關型態。 因素分析常用於資料縮減，以找出少量的因素來說明大量的明顯變數中所觀察到的變動。 您也可以使用因素分析，產生跟經常性機制相關的假設，或者篩檢變數，以便日後分析 (例如，在線性迴歸分析之前，使用因素分析找出共線性)。
因素分析程序的彈性很大，因為它：
- 可以使用七種因素擷取。
- 可以使用五種旋轉法，包括直接斜交、和非正交旋轉的 Promax。
- 有三種方法來計算因素分數，而且分數可以存成變數以供進一步分析。
範例。 受訪者要抱持哪些信念，才會願意接受政治性的問卷調查？ 檢驗調查項目之間的相關性後發現，各種不同項目子群組之間，出現明顯的重疊現象 -- 稅務的相關問題多半彼此關聯、軍事的議題也是彼此相關等。 利用因素分析，您可以對基本因素的個數進行研究，並且很多時候，您都可以找出因素所代表的理念。 此外，您可以計算每個受訪者的因素分數，然後於後續的分析中，使用此分數。 例如，您可能會建立一個邏輯迴歸模型，以便根據因素分數預測投票行為。
統計資料。 適用於每一個變數：有效觀察值個數、平均數和標準差。 適用於每一個因素分析：變數的相關性矩陣，包括顯著性水準、行列式、反矩陣；重製的相關性矩陣，包括逆映像矩陣；未轉軸之統計量（共同性、特徵值和說明的變異數百分比）；取樣恰當性的 Kaiser-Meyer-Olkin 測量、和 Bartlett 球形檢定；對於未轉軸的解而言，包括：因素負荷、共同性、和特徵值；對於轉軸後的解，則包括：轉軸後樣式矩陣和轉換矩陣。 對於斜線樣式旋轉：轉軸後樣式和結構矩陣；因素分數係數矩陣和因素共變異數矩陣。 繪圖：特徵值的陡坡圖、前兩個 (或三個) 因素的負荷圖。
因素分析的資料考量
資料。 在「區間」或「比例」層級的變數，應該為數值變數。 類別資料 (如宗教或袓國) 不適合做因素分析。 如果資料可以用來計算皮爾遜 (Pearson) 相關係數的話，則可用於因素分析。
假設。 資料中每對變數，應該都具雙變數常態分佈，而且觀察值應該互不相關。 因素分析模式中，會指定由共同因素 (由模式所估計的因素)，或者由唯一因素 (在觀察變數之間不重疊的因素) 來決定變數；估計值的假設基礎為：所有唯一因素彼此不相關，跟共同因素也無關。
若要取得因素分析
本功能需要 Statistics Base 選項。
- 從功能表中選擇：
- 選取因素分析的變數。
此程序會貼上 FACTOR 指令語法。