Faktoranalys är en typ av statistisk analys som undersöker olika samband och mönster som kan uppstå mellan mätningarna. Det finns två typer av faktoranalys; utforskande och bekräftande. Dessa två versioner kan användas individuellt eller kombinerade. Det finns många olika typer av statistiska beräkningar som används i denna analys.
Ett vanligt första steg som används i faktoranalys inkluderar att samla in mätningarna i experimentet. Korrelationsmatematiken används för att bestämma befintliga korrelationer. Forskaren kommer att avgöra om alla faktorer som beräknats från analysen kommer att inkluderas. Vissa experiment kommer att kräva att vissa faktorer införlivas i statistiken och att andra exkluderas.
En metod som används för att extrahera de möjliga faktorerna är maximal sannolikhet. Denna beräkning är så komplicerad att statistiska datorprogram används, eftersom en forskare vanligtvis inte kan utföra beräkningen för hand. Faktorerna i analysen kan också kombineras på ett antal sätt. Analysen kommer att kräva att ordningen på faktorerna roteras eller kammas på ett sätt som förklarar den stora variansen eller spridningen av data.
När de slutliga faktorerna och poängen har beräknats kan uppgifterna tolkas. Faktorer som har högst poäng kommer att ha störst inverkan på mätningarna. Dessa poäng kan också användas för ytterligare statistisk analys. Till skillnad från andra typer av statistisk analys kan denna analys resultera i en obegränsad mängd viktiga faktorer, snarare än att begränsa faktorerna till en liten grupp.
Utforskande faktoranalys används för att förstå vilka saker i naturen som kan påverka vissa mätningar. Hur starkt dessa faktorer påverkar mätningarna är också av intresse i den explorativa versionen. Dessa är inte förinställda innan mätningarna görs. Med bekräftande faktoranalys är det specifika faktorer som undersöks inför beräkningarna.
Båda typerna av faktoranalys kan användas inom ett experiment. Den utforskande versionen kan användas för att skapa en teori, medan den bekräftande versionen används för att bevisa den teorin. Om den bekräftande analysen inte är gynnsam kan forskaren behöva ändra hur den explorativa analysen beräknas.
Antalet mätningar som krävs för dessa beräkningar är viktigt. De flesta beräkningar kräver minst tio mätningar om inte fler. Vanligtvis kommer bekräftande analyser att behöva många fler mätningar än utforskande. Ibland behövs minst 200 mätningar för en lyckad analys. Som en allmän regel resulterar användning av fler mätningar vanligtvis i mer tillförlitliga data, även om det nödvändiga antalet beror på experimentet.