，因子个数需要分析者指定（spss根据一定的条件自动设定，只要是特征值大于1的因子进入分析），而指定的因子数量不同而结果不同。在主成分分析中，成分的数量是一定的，一般有几个变量就有几个主成分。和主成分分析相比，由于因子分析可以使用旋转技术帮助解释因子，在解释方面更加有优势。大致说来，当需要寻找潜在的因子，并对这些因子进行解释的时候，更加倾向于使用因子分析，并且借助旋转技术帮助更好解释。而如果想把现有的变量变成少数几个新的变量（新的变量几乎带有原来所有变量的信息）来进入后续的分析，则可以使用主成分分析。当然，这中情况也可以使用因子得分做到。所以这种区分不是绝对的。总得来说，主成分分析主要是作为一种探索性的技术，在分析者进行多元数据分析之前，用主成分分析来分析数据，让自己对数据有一个大致的了解是非常重要的。主成分分析一般很少单独使用：1）、了解数据scree
i
gthedata；2）、和clustera
alysis一起使用；3）、和判别分析一起使用，比如当变量很多，个案数不多，直接使用判别分析可能无解，这时候可以使用主成分分析对变量简化（reducedime
sio
ality）；4）、在多元回归中，主成分分析可以帮助判断是否存在共线性（条件指数CI），还可以用来处理共线性。
f在算法上，主成分分析和因子分析很类似，不过，在因子分析中所采用的协方差矩阵的对角元素不再是变量的方差，而是和变量对应的共同度（变量方差中被各因子所解释的部分）。应用中的优缺点比较一主成分分析1、优点。首先它利用降维技术用少数几个综合变量来代替原始多个变量这些综合变量集中了原始变量的大部分信息。其次它通过计算综合主成分函数得分，对客观经济现象进行科学评价。再次它在应用上侧重于信息贡献影响力综合评价。2、缺点。当主成分的因子负荷的符号有正有负时综合评价函数意义就不明确。命名清晰性低。二因子分析1、优点第一它不是对原有变量的取舍而是根据原始变量的信息进行重新组合找出影响变量的共同因子化简数据第二它通过旋转使得因子变量更具有可解释性命名清晰性高。2、缺点在计算因子得分时采用的是最小二乘法此法有时可能会失效。回归分析和相关分析的区别回归分析和相关分析是互相补充、密切联系的，相关分析需要回归分析来表明现象数量关系的具体形式，而回归分析则应该建立在相关分析的基础上。主要区别有：一、在回归分析中不仅要根据变量的地位、作用不同，区分出自变量和因变r