因素分析之前提就是變數之間呈現一定程度的相關性，這要怎麼檢驗? 你可以用巴特雷球型檢定(Bartlett’s sphericity test)，這是個卡方檢定，若顯著，就表示變數之間呈現顯著相關，這時候就可以進行因素分析!

還有另外一個指標就是KMO，這個又稱為樣本適切性指標(Measure of Sampling Adequacy)，要大於0.9，這表示相當適合做因素分析。

那為什麼不直接看相關係數，而要看上面兩個指標呢? 你們可以想看看，留言在下面喔，我們可以討論!!

當一個管理者想要了解行銷活動相關的變數是否會影響店績效，經過整理後，得到了100個行銷活動變數，那要看這些變數對店績效的影響，在處理上就很困難啦! 有沒有什麼方法? 這個時候，我們就可以用因素分析。因素分析其中一個目的就是在構面縮減，一個構面代表一個變數，其實也就是變數縮減。為何可以縮減? 邏輯很簡單，如果這100個變數，管理者仔細看，發現其中有25個變數與產品有關，25個與價格有相關，25個與通路有關，25個與推廣有關，那麼是不是就可以將這100個變數簡化為4個變數。也就是說，之所以可以做簡化是因為變數有共同的根(共同因)，共同因就是指譬如推廣這個因素會影響25個與推廣相關的變數(廣告、店內展示、人員銷售、價格促銷、事件等等)，換句話說就是，這25個推廣相關變數因為都是反映推廣，所以彼此之間相關程度很高，既然相關程度高，那我就可以簡化! 所以記住，因素分析之所以可以進行資料簡化(構面縮減)就是因為變數之間呈現一定程度的相關性!!!!! 換個角度想，變數之間若有一定程度的相關性，做因素分析才有用，如果現在這100個變數彼此之間無關，那麼你做因素分析後，結果就會是無法縮減，還是100個，因素分析就無意義了!