Faktoranalys är en statistisk metod för att försöka hitta vad som kallas 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 ställer ofta ett urval människor många frågor som de tycker är relaterade till personlighet och gör sedan faktoranalys för att avgöra vilka latenta faktorer som finns.
De faktorer som visas kan bara komma från svaren på de frågor du ställer. Om du till exempel inte frågar om sömnvanor, visas ingen faktor relaterad till sömnvanor. Å andra sidan, om du bara frågar om sömnvanor kan inget annat visas. Att välja en bra uppsättning frågor är komplicerat och olika forskare väljer olika uppsättningar frågor.
Om du genererar många slumpmässiga siffror kan en faktoranalys fortfarande hitta tydlig struktur i data. Det är svårt att säga om de faktorer som dyker upp speglar data eller helt enkelt är en del av makten för faktoranalys för att hitta mönster.
En uppgift för faktoranalytikern är att bestämma hur många faktorer som ska behållas. Det finns en mängd olika metoder för att bestämma detta, och det finns liten enighet om vilka som är bäst.
Faktoranalys kan berätta vilka variabler i din dataset som "går ihop" på sätt som inte alltid är uppenbara. Men att tolka vad dessa uppsättningar av variabler faktiskt representerar är upp till analytikern och rimliga människor kan inte hålla med.