1. 因子分析法可以用只分析一個公司嗎
因子分析的基本目的就是用少數幾個因子去描述許多指標或因素之間的聯系，即將相關比較密切的幾個變數歸在同一類中，每一類變數就成為一個因子，以較少的幾個因子反映原資料的大部分信息。運用這種研究技術，我們可以方便地找出影響消費者購買、消費以及滿意度的主要因素是哪些，以及它們的影響力。運用這種研究技術，我們還可以為市場細分做前期分析。
2. 什麼是因子分析法
11.1 主要功能
多元分析處理的是多指標的問題。由於指標太多，使得分析的復雜性增加。觀察指標的增加本來是為了使研究過程趨於完整，但反過來說，為使研究結果清晰明了而一味增加觀察指標又讓人陷入混亂不清。由於在實際工作中，指標間經常具備一定的相關性，故人們希望用較少的指標代替原來較多的指標，但依然能反映原有的全部信息，於是就產生了主成分分析、對應分析、典型相關分析和因子分析等方法。
調用Data Rection菜單的Factor過程命令項，可對多指標或多因素資料進行因子分析。因子分析的基本目的就是用少數幾個因子去描述許多指標或因素之間的聯系，即將相關比較密切的幾個變數歸在同一類中，每一類變數就成為一個因子（之所以稱其為因子，是因為它是不可觀測的，即不是具體的變數，這與上一章的聚類分析不同），以較少的幾個因子反映原資料的大部分信息。
3. 因子分析法的優缺點
它的優缺點是相對主成分分析法而言的
因子分析法與主成分分析法都屬於因素分析法，都基於統計分析方法，但兩者有較大的區別：主成分分析是通過坐標變換提取主成分，也就是將一組具有相關性的變數變換為一組獨立的變數，將主成分表示為原始觀察變數的線性組合；而因子分析法是要構造因子模型，將原始觀察變數分解為因子的線性組合。通過對上述內容的學習，可以看出因子分析法和主成分分析法的主要區別為：
(1)主成分分析是將主要成分表示為原始觀察變數的線性組合，而因子分析是將原始觀察變數表示為新因子的線性組合，原始觀察變數在兩種情況下所處的位置不同。
(2)主成分分析中，新變數Z的坐標維數j(或主成分的維數)與原始變數維數相同，它只是將一組具有相關性的變數通過正交變換轉換成一組維數相同的獨立變數，再按總方差誤差的允許值大小，來選定q個(q<p)主成分；而因子分析法是要構造一個模型，將問題的為數眾多的變數減少為幾個新因子，新因子變數數m小於原始變數數P，從而構造成一個結構簡單的模型。可以認為，因子分析法是主成分分析法的發展。
(3)主成分分析中，經正交變換的變數系數是相關矩陣R的特徵向量的相應元素；而因子分析模型的變數系數取自因子負荷量，即。因子負荷量矩陣A與相關矩陣R滿足以下關系：
其中，U為R的特徵向量。
在考慮有殘余項ε時，可設包含εi的矩陣ρ為誤差項，則有R − AAT = ρ。
在因子分析中，殘余項應只在ρ的對角元素項中，因特殊項只屬於原變數項，因此，的選擇應以ρ的非對角元素的方差最小為原則。而在主成分分析中，選擇原則是使舍棄成分所對應的方差項累積值不超過規定值，或者說被舍棄項各對角要素的自乘和為最小，這兩者是不通的。
4. 主成分分析法與因子分析法的區別
一、性質不同
1、主成分分析法性質：通過正交變換將一組可能存在相關性的變數轉換為一組線性不相關的變數，轉換後的這組變數。
2、因子分析法性質：研究從變數群中提取共性因子的統計技術。
二、應用不同
1、主成分分析法應用：比如人口統計學、數量地理學、分子動力學模擬、數學建模、數理分析等學科中均有應用，是一種常用的多變數分析方法。
2、因子分析法應用：
（1）消費者習慣和態度研究（U&A）
（2） 品牌形象和特性研究
（3）服務質量調查
（4） 個性測試
（5）形象調查
（6） 市場劃分識別
（7）顧客、產品和行為分類
(4)對股票的因子分析法擴展閱讀：
主成分分析的原理是設法將原來變數重新組合成一組新的相互無關的幾個綜合變數，同時，根據實際需要，盡量少取幾個求和變數，以反映原始變數的信息。
這種統計方法被稱為主成分分析或主成分分析，這也是一種處理降維的數學方法。主成分分析（PCA）是試圖用一組新的不相關的綜合指標來代替原來的指標。
因子分析為社會研究的一種有力工具，但不能確定一項研究中有幾個因子。當研究中選擇的變數發生變化時，因素的數量也會發生變化。此外，對每個因素的實際含義的解釋也不是絕對的。
5. 因子分析方法
因子分析是一種多變數化簡技術，目的是分解原始變數，從中歸納出潛在的「類別」，相關性較強的指標歸為一類，不同類間變數的相關性較低，每一類變數代表了一個「共同因子」，即一種內在結構，因子分析就是要尋找該結構。其分析方法有很多種，最常用的有兩種：一是主成分分析方法；另外一種是一般因子分析法。通常所說的因子分析指的就是一般因子分析法，它通過原始變數的方差去構造因子，一般情況下，因子的數量總是要少於變數的數量。所以對於一般因子分析而言，如何正確解釋因子將會比主成分分析更困難。
因子分析一般可以分成四步：
考察變數之間的相關性，判斷是否要進行因子分析；
進行分析，按一定的標准確定提取的因子數目，一般要求特徵值大於1；
考察因子的可解釋性，並在必要時進行因子旋轉，以尋求最佳解釋方式；
計算出因子得分等中間指標，供進一步分析使用。
利用因子分析，可以把搜集到的比較雜亂的原始數據進行壓縮，找出最重要的因子，並對其按照成因歸類、整理，從中找出幾條主線，幫助分析充滿度的主要控制因素。
本研究中共統計岩性圈閉354個，參與統計分析和計算的圈閉有249個。由於其中的落空圈閉無法參與因子分析及充滿度預測模型的建立，因此實際參與分析和預測的岩性油氣藏為222個。初步地質分析後，選取平均孔隙度，%；平均滲透率，10-3μm2；排烴強度，104t/km2；與排烴中心的平面距離，km；與排烴中心的垂直距離，m；地層壓力系數；砂體厚度，m；砂體面積，km2；有機質豐度，%；圍岩厚度，m；平均埋深，m；共11個地質參數進行因子分析。
本研究按不同的成藏體系進行，建立其充滿度預測模型並進行回代驗證。同一成藏體系內的岩性油氣藏的生、儲、蓋、圈、運、保等成藏條件相互影響、相互制約，關系密切，將同一成藏體系中的岩性油氣藏又分別劃分為構造－岩性、透鏡體油氣藏進行預測。
6. spss因子分析在證券市場個股分析中的應用實例
spss因子分析用於證券市場個股分析中，因為因子分析法是從研究變數內部相關的依賴關系出發，把一些具有錯綜復雜關系的變數歸結為少數幾個綜合因子的一種多變數統計分析方法。它的基本思想是將觀測變數進行分類，將相關性較高，即聯系比較緊密的分在同一類中，而不同類變數之間的相關性則較低，那麼每一類變數實際上就代表了一個基本結構，即公共因子。對於所研究的問題就是試圖用最少個數的不可測的所謂公共因子的線性函數與特殊因子之和來描述原來觀測的每一分量。
康美葯業投資分析
一、上市公司基本面情況：
600518康美葯業,最新財務主要指標（08-09-30）每股收益(元)0.2390，每股凈資產(元)3.5470，凈資產收益率(％) 6.74，總股本(億股)7.6440 ，實際流通A股(億股)7.6440，每股資本公積1.843，主營收入(萬元)130369.89，同比增 40.04% ，每股未分利潤0.606 ，凈利潤(萬元)18264.62，同比增 83.04%；
二、該股票的投資亮點：
1.2007年公司完成了阿莫西林分散片、利巴韋林片等多個再注冊產品的研究開發和上報工作，部分仿製葯品取得了《葯物臨床試驗批件》；同時公司積極開發中葯系列產品，完成了"代用茶"、"植物飲料"的備案號注冊以及西洋參膠囊/飲料科技開發立項工作；"紅景天"、"毒熱平"兩個中葯新葯品種已基本完成臨床前研究工作。
2.2008年，隨著國家衛生事業改革進一步深化，新農合、城鎮職工基本醫療保險、城鎮非從業居民基本醫療保險的進一步推廣，整個醫葯市場容量將增大。人們在醫療尤其是在葯品上的消費量和消費金額將迅速上升，這將對醫葯行業快速發展帶來有利的影響。
3. 2007年公司中葯飲片二期擴產項目順利建成並試產運營，該項目是公司在傳統中醫葯領域推廣應用新技術，實現中葯飲片規模化、標准化和產業化生產的一個重大成果。項目的投產緩解了產能緊張壓力，保障了市場供給，進一步穩固了公司在國內中葯飲片生產龍頭企業的地位。
4.公司通過增資擴股募集資金投資中葯物流配送中心項目，該項目是發揮公司中葯產業的生產經營優勢，整合當地中葯材專業市場資源，為延伸公司產業鏈條而實施的一個重點項目。
三、專業投資機構意見：
公司主營業務中葯飲片繼續拉動公司業績高速增長，2008 年三季度凈利潤增長83%，公司將全面布局全國性中葯飲片產業鏈，行業整頓期利用並購穩健擴張，公司正在創建中葯飲片行業的高質量標准體系，將發展為現代國內中葯飲片龍頭，預計公司未來三年復合增長率為40%，2008-2010 年EPS 為0.35，0.48，和0.80給予"增持"的投資評級。
四、綜合分析判斷結論：
從以上的信息可見康美葯業作為國家中葯制葯的龍頭企業，其股票是具有投資價值的，所以該股票後市看好，完全是可以長期投資的。