因子分析一般都是针对类似的变量进行降维的。
一般而言，进行因子分析的变量一定是连续变量。心理学里面有量表，量表一般都是用这个方法降维。不过我们在许多社会调查数据中得到的结果都是分类变量（比如态度是五分类的）。这个时候，如果允许较大程度的误差的话，分类变量是可以使用因子分析的，不过也必然会受到质疑。
因子分析的作用是在若干相似变量中提取公因子（这也暗示了一定要连续变量才可以），简化模型。比如：假设我们研究中要使用20个变量，但有五个可以提取因子成为一个新变量，另外五个也可以提一个。那么，分析师侯，纳入模型的就会有十二个。统计追求的是简洁明了，所以，它的作用大概就在这里。使用时候因地制宜吧，没有万能的方法。
进行logistic回归中有无必要进行因子分析：这个还是要看你所研究变量自身的属性，如上所述。
再有，logistic回归中四步和五步的比较：如果他们俩的区分度相等，那么，就像二楼朋友讲的，看它们其他方面的区别，比如AIC、BIC等，不一定非要几步，这个没有强制规定的。不过，我们在这个时候要比较四步模型和五步模型的-2LL或者-LL（不同统计软件报告方式不同），以及伪R方。这两个指标的意思就是：在likelihood估计中，-2LL是估计大小的问题，即模型有无作用，作用大致上是好是坏，这个遵循AIC，BIC。而伪R方就类似OLS和GLS的确定系数，是模型的解释力有多大。总的来看，-2ll越小，伪R方越大，模型越可取。

币倒不用，你的问题我也不是特别清楚。只是我以为，第五步的模型肯定比第四步的模型拟合效果更好吧，两个模型还是有区别的，比如在AIC上大小不一样。而且准确率一样是针对目前有限的特定训练集，对其他待测样品就不一定了嘛。然后，因子分析的使用你直接搜不到么，之后的我估计回答不了。

谢谢。因子分析看到的作用是简化模型，减少变量的个数，但是在论坛没搜索到想要的内容，就是最后一个问题，当预测结果相同时是否有必要进行因子分析，是不是将模型更加复杂化了。

在逻辑回归之前先对自变量做因子分析？没遇到过，不了解，有必要吗。。。。

非常感谢！