Analiza czynnikowa to metoda statystyczna, służąca odnajdywaniu struktur w zbiorze zmiennych losowych. Znalazła ona szerokie zastosowanie w psychologii (przy analizie struktury zjawisk, badanych przez narzędzia kwestionariuszowe), marketingu, zarządzaniu produktem i teorii decyzji.
Celem analizy czynnikowej jest zredukowanie dużej liczby zmiennych losowych do mniejszego zbioru, co uzyskujemy przez założenie, że pewne grupy zmiennych losowych reprezentują zmienność tych samych czynników, czyli zmienne losowe w danej grupie są od siebie w pewnym stopniu zależne.
W analizie czynnikowej istnieją dwa podejścia:
- eksploracyjna analiza czynnikowa (EFA - ang. Exploratory Factor Analysis) - czynniki są początkowo nieznane i zostają wyodrębnione dzięki analizie wartości zmiennych losowych, to podejście jest bardziej rozpowszechnione
- konfirmacyjna analiza czynnikowa (CFA - ang. Confirmatory Factor Analysis) - zakładamy istnienie pewnego określonego zbioru czynników i dzięki analizie wartości zmiennych losowych badamy zasadność naszego przypuszczenia i estymujemy parametry naszego modelu (zob. Modelowanie równań strukturalnych)
Istnieje wiele metod analizy czynnikowej, jednak najbardziej popularne są dwie:
- analiza głównych składowych (PCA od ang. Principal Component Analysis)
- analiza czynników głównych (PFA od ang. Principal Factor Analysis)
Niezależnie od metody, analizę czynnikową rozpoczynamy od budowy macierzy korelacji i sprawdzenia, czy możliwe jest zastosowanie analizy czynnikowej.
Zobacz też: statystyka, przegląd zagadnień z zakresu statystyki