जब आपके पास बहुत से प्रश्नों पर डेटा होता है, तो अव्यक्त चर के रूप में जाने जाने वाले को खोजने का प्रयास करने के लिए कारक विश्लेषण एक सांख्यिकीय विधि है। अव्यक्त चर ऐसी चीजें हैं जिन्हें सीधे मापा नहीं जा सकता है। उदाहरण के लिए, व्यक्तित्व के अधिकांश पहलू अव्यक्त हैं। व्यक्तित्व शोधकर्ता अक्सर लोगों के एक नमूने से बहुत सारे प्रश्न पूछते हैं जो उन्हें लगता है कि व्यक्तित्व से संबंधित हैं, और फिर यह निर्धारित करने के लिए कारक विश्लेषण करते हैं कि कौन से गुप्त कारक मौजूद हैं।
प्रकट होने वाले कारक केवल आपके द्वारा पूछे गए प्रश्नों के उत्तर से आ सकते हैं। उदाहरण के लिए, यदि आप नींद की आदतों के बारे में नहीं पूछते हैं, तो नींद की आदतों से संबंधित कोई कारक नहीं दिखाई देगा। वहीं अगर आप केवल नींद की आदतों के बारे में पूछें तो और कुछ नहीं आ सकता। प्रश्नों का एक अच्छा सेट चुनना जटिल है, और विभिन्न शोधकर्ता प्रश्नों के विभिन्न सेटों का चयन करेंगे।
यदि आप बहुत सारी यादृच्छिक संख्याएँ उत्पन्न करते हैं, तो एक कारक विश्लेषण अभी भी डेटा में स्पष्ट संरचना पा सकता है। यह बताना मुश्किल है कि क्या उभरने वाले कारक डेटा को प्रतिबिंबित करते हैं या पैटर्न खोजने के लिए कारक विश्लेषण की शक्ति का हिस्सा हैं।
कारक विश्लेषक का एक कार्य यह तय करना है कि कितने कारकों को रखना है। इसे निर्धारित करने के लिए कई तरह के तरीके हैं, और इस बारे में बहुत कम सहमति है कि कौन सा सबसे अच्छा है।
कारक विश्लेषण आपको बता सकता है कि आपके डेटासेट में कौन से चर "एक साथ चलते हैं" जो हमेशा स्पष्ट नहीं होते हैं। लेकिन यह व्याख्या करना कि चर के वे सेट वास्तव में क्या प्रतिनिधित्व करते हैं, विश्लेषक पर निर्भर है, और उचित लोग असहमत हो सकते हैं।