1、数据不需要标准化，但需要同向化，即均是正向指标。
2、样本数要大于原始变量数，才可使用。
3、对于提取的因子，当然要按影响的大小进行分析。

关于第二个回答，我看了很多文献，都并没有样本大于变量。第三个问题，我的意思是，再以我的四个因素为主因子分析时，如何量化排序

样本容量要大于变量数是对的，因为degree of freedom = 样本容量-变量数，不能为0。
因子分析如果是线性模型就用correlation，correlation平方以后就是贡献值了。（前提是因素间大致独立）

不是的话就把模型函数（含参数）写出来，调整参数算goodness of fit。 取一个尽量高的goodness值，用它对应的参数。
非线性模型（比如多项式型，指数型，三角函数等的叠加）中因子影响的大小可以划分区域来计算。就是选一个小的区域算correlation。这样用的是类似一阶泰勒级数的方法，前提是数据足够大，使得小范围内仍然有足够的点。
最终得到每个区域内的因素影响大小排列。

需要注意的是，模型函数和参数是要用来匹配全域的。这点比较难。

LZ第三个问题的意思是不是  你先把13个变量分成四类，然后想通过因子分析提取四个共因子，而这四个共因子又恰好能分别体现你自己分的四类，然后考察他们的影响力、得分系数……

嗯  是这个意思，因为我的样本只有6个，但是二级变量指标达到18个，如果我用一级指标的5个大指标来算就能达到正定矩阵的要求，但是这样又容易忽略掉指标影响，我这种想法是不是不科学？