主成分分析利用降维（线性变换)的思想，在损失很少信息的前提下把多个指标转化为几个不相关的综合指标,即每个主成分都是原始变量的线性组合,且各个主成分之间互不相关,使得主成分比原始变量具有某些更优越的性能（主成分必须保留原始变量90%以上的信息），从而达到简化系统结构，抓住问题实质的目的。因子分析利用降维的思想，由研究原始变量相关矩阵内部的依赖关系出发，把一些具有错综复杂关系的变量表示成少数的公共因子和仅对某一个变量有作用的特殊因子线性组合而成。就是要从数据中提取对变量起解释作用的少数公共因子（因子分析是主成分的推广，相对于主成分分析，更倾向于描述原始变量之间的相关关系）
操作方法
（01）信息浓缩技术，主成分分析，因子分析，原理简介
（02）案例分析，在进行主成分分析之前，需要对原始数据进行量纲，测量尺度，SPSS自动对其做了标准化变换，所以可以直接对原始数据进行分析
（03）得到结果，原始信息的提取两
（04）给出了3个主成分的计算公式：比如：主成分1=0.884*标准化的GDP+0.606*标准化的居民消费水平+0.911*标准化的固定资产投资+，，，比如：主成分1=0.884*标准化的GDP+0.606*标准化的居民消费水平+0.911*标准化的固定资产投资+，，，一直加下去。相同的道理，主成分2，主成分3按照此方法计算出来后，再经过换算即可得到真正的主成分在实际操作中，可以利用spss将主成分存储为变量
（05）可以将因子得分保存为新变量可以用这三个主成分变量代替原始的8个变量来建模，建模完成后再把主成分反变回去，
（06）因子分析
（07）考察适用条件
（08）得到结果：相关系数矩阵说明各变量间有一定的关联性
（09）如何让因子解释更完美！（因为之前分析的因子1只能解释为：综合因子，没有固定的取向，利用碎石图。只考虑特征根大于1的因子即可！
（10）为了寻找更加完美的解释方式，进行公因子的旋转，使公因子间的差异尽可能大，从而在专业上尽可能有一个合理的解释
（11）接下来，保存新变量公因子1=标准化GDP*0.306+标准化居民消费水平*0.025+标准化固定资产投资*0.270+，，，，
（12）因子分析必须用连续性变量
