对于概念的数据测量，分两种情况。其一，可以直接观察到，则可以直接测量，例如身高。在数据分析中对应观察变量。
其二，不可以直接观察到，只能通过已知数据进行回溯性推理，例如抑郁程度，此时可以考虑寻找一些外围指标（用以表示抑郁症状的指标，如睡眠时间等），捕获它。就好像使用多个圆圈，类似于集合，做出一个交集，所有指标都包含的部分，也就是我们的目标。在数据分析中对应潜变量。
因此，因子分析时，会将许多指标提纯成几个核心的概念，可以理解为化繁为简。
问卷调查仅仅只是一种数据收集方式，并不能和因子分析挂钩，只要分析目的与因子分析匹配，就可以使用因子分析。
但是，这不意味着化繁为简的方法只有因子分析一种，也不意味着因子分析就适合所有的化繁为简的目的。
常见的降维方法还有主成分分析。化繁为简，或者对众多指标进行分类的方法，也有诸如聚类分析。
因子分析最终出来的模型，是潜变量影响观察变量，也就是认为众多指标背后存在一个本质原因，而这些指标仅仅只是该原因的结果，是表面现象。而因子分析的目的是找到这个背后的原因。
因此，如果你认为企业的绩效指标（例如有A1、A2和A3三个）背后还存在着某种原因，并且要进行一个概念提取，则应当使用因子分析。
如果你仅仅只是因为企业绩效的多个指标高度相关，怕产生共线性，则与因子分析目的不相称。此时可以考虑主成分分析。
如果你觉得这些企业绩效指标，都是合理的指标，说明企业的绩效可以放在多维视角下，它的绩效本来就不是单一的。与之对应的是，在数据分析的时候，每个绩效指标都要进行分析。
当然，随意使用统计方法也是可以的，只要别人没有意见就行，即使错了也可以发论文。
扫码加好友，拉您进群
全部版块
我的主页
收藏
