① 16种常用的数据分析方法-因子分析
因子分析是一种多元统计分析方法，旨在揭示数据中隐藏的潜在因子，这些因子无法直接观察，但影响或支配可测量变量。通过分析变量间的相关性，因子分析将信息重叠、错综复杂的变量归纳为少数不相关的综合因子。
在进行因子分析时，首先需根据变量间相关性大小将变量分组，每组变量代表一个基本结构，即公共因子。该方法适用于解决变量数量庞大、计算复杂或变量间相关性问题。因子分析以减少信息损失为前提，将众多原有变量综合为少数综合指标。
因子分析方法在以下场景中应用广泛：信息浓缩、权重计算及综合竞争力评估。在信息浓缩场景下，因子分析可将多个分析项简化为关键概括性指标；在权重计算场景下，通过方差解释率值计算各指标权重，构建指标权重体系；在综合竞争力评估场景下，利用因子得分和方差解释率计算综合得分，用于对比各地区竞争力。
因子分析案例中，以12个地区和5个经济指标（总人口、学校校龄、总雇员、专业服务、中等房价）为例，因子分析方法用于确定综合评价指标。通过分析，提取出社会福利因子和人口因子作为综合因子，有效简化了对12个地区进行准确评价的过程。
进行因子分析时，需关注操作界面、描述统计、抽取选项、因子旋转和保存因子得分等步骤。通过KMO和球形检验判断数据集适合因子分析，选择适当的方法提取因子，并根据需要进行旋转以提高因子解释性。最终，计算因子得分，得到的综合得分可用于对比各地区综合竞争力。
因子分析实现从原始变量到潜在综合因子的转换，通过简化变量和揭示数据结构，为决策者提供有价值的见解。通过因子分析，可以发现隐藏的模式、简化复杂数据集，并为后续深入分析提供基础。