syf2007
优点：当你面对大量的数据 尤其是数据项目较多的时候，分别分析各组数据过程很繁琐。然而如果从中筛选几组数据分析，又会使得你的分析结果不够准确。 因子分析法就能很好的涵盖原始数据的各个项，同时将分析过程简化为因子项的分析。从而简便。缺点：因子分析只能面对综合性的评价。同时对数据的数据量和成分也有要求。需要先进行KOM检测数据是否可以运用因子分析法。 而且在设计调查表的时候也需要针对性的设计问题。 我现在就在DT调查表的设计。。。。。。祝我好运如果你想要了解因子分析的具体内容，或者实际运用，欢迎追问。 望采纳。 
· 简化系统结构，探讨系统内核。可采用主成分分析、因子分析、对应分析等方法，在众多因素中找出各个变量最佳的子集合，从子集合所包含的信息描述多变量的系统结果及各个因子对系统的影响。“从树木看森林”，抓住主要矛盾，把握主要矛盾的主要方面，舍弃次要因素，以简化系统的结构，认识系统的内核。 · 构造预测模型，进行预报控制。在自然和社会科学领域的科研与生产中，探索多变量系统运动的客观规律及其与外部环境的关系，进行预测预报，以实现对系统的最优控制，是应用多元统计分析技术的主要目的。在多元分析中，用于预报控制的模型有两大类。一类是预测预报模型，通常采用多元线性回归或逐步回归分析、判别分析、双重筛选逐步回归分析等建模技术。另一类是描述性模型，通常采用聚类分析的建模技术。 · 进行数值分类，构造分类模式。在多变量系统的分析中，往往需要将系统性质相似的事物或现象归为一类。以便找出它们之间的联系和内在规律性。过去许多研究多是按单因素进行定性处理，以致处理结果反映不出系统的总的特征。进行数值分类，构造分类模式一般采用聚类分析和判别分析技术。 如何选择适当的方法来解决实际问题，需要对问题进行综合考虑。对一个问题可以综合运用多种统计方法进行分析。例如一个预报模型的建立，可先根据有关生物学、生态学原理，确定理论模型和试验设计；根据试验结果，收集试验资料；对资料进行初步提炼；然后应用统计分析方法(如相关分析、逐步回归分析、主成分分析等)研究各个变量之间的相关性，选择最佳的变量子集合；在此基础上构造预报模型，最后对模型进行诊断和优化处理，并应用于生产实际。
这个是最最最基础的内容，如果这个都不知道，就不要试图用spss，更不要试图做因子分析了我替别人做这类的数据分析蛮多的
