Faktoranalys är en statistisk metod för att försöka hitta vad som är känt som latenta variabler när du har data på många frågor. Latenta variabler är saker som inte kan mätas direkt. Till exempel är de flesta aspekter av personlighet latenta. Personlighetsforskare frågar ofta ett urval av människor en massa frågor som de tycker är relaterade till personlighet, och gör sedan faktoranalys för att bestämma vilka latenta faktorer som finns.

Svaret du får beror på de frågor du ställer

De faktorer som visas kan bara komma från svaren på frågorna du frågar. Om du inte frågar om sömnvanor, till exempel, kommer ingen faktor relaterad till sömnsvanor att visas. Å andra sidan, om du bara frågar om sömnsvanor, så kan inget annat visas. Val av en bra uppsättning frågor är komplicerad, och olika forskare väljer olika uppsättningar av frågor.

Slumpmässig data ger faktorer

Om du genererar många slumpmässiga nummer kan en faktoranalys fortfarande hitta uppenbar struktur i data. Det är svårt att berätta om de faktorer som uppstår återspeglar data eller helt enkelt är en del av kraften i faktoranalys för att hitta mönster.

Det är svårt att bestämma hur många faktorer som ska inkluderas.

En Faktoranalytikerens uppgift är att bestämma hur många faktorer som ska behållas. Det finns en mängd olika metoder för att bestämma detta, och det finns lite överenskommelse om vilket som är bäst.

Tolkning av betydelsen av faktorerna är subjektivt.

Faktoranalys kan berätta vilka variabler i Din dataset "går ihop" på sätt som inte alltid är uppenbart. Men att tolka vad de här variablerna faktiskt representerar är upp till analytikern, och rimliga människor kan inte vara överens.