در برخی تحقیقات به دلایل مختلف با حجم زیادی از متغیرها روبرو هستیم. برای تحلیل دقیق تر و رسیدن به نتایج علمی تر و در عین حال عملیاتی تر، پژوهشگر به دنبال کاهش حجم متغیرها و تشکیل ساختار جدیدی برای آنها است و به این منظور از روش تحلیل عاملی استفاده می کند.

در حقیقت، هدف تشخيص اين عامل هاي مشاهده ناپذير بر پايه مجموعه اي از متغيرهاي مشاهده پذير است. عامل، متغير جديدي است كه از طريق تركيب خطي نمره هاي اصلي متغيرهاي مشاهده شده بر پايه فرمول زير برآورد مي شود:

Fj=∑WjiXi=Wj1X1+Wj2X2+…+WjpXp

كه در آن W ها بيانگر ضرايب نمره عاملي و Pمعرف تعداد متغيرها است.

امید این است که با تعداد کمی از این عاملها (یعنی ترکیبهای خطی نمره های اصلی متغیرهای مشاهده شده)، بتوان تقریباً همه اطلاعاتی را که توسط مجموعه بزرگتری از متغیرها به دست می آید، در برگرفته و در نتیجه توصیف ویژگی های هر مشاهده را ساده ساخت.

انواع تحلیل عاملی:

۱) تحلیل عاملی اکتشافی (Exploratory Factor Analysis):

محقق درصدد کشف ساختار زیربنایی مجموعه نسبتاً بزرگی از متغیرها است بدون وجود هیچ تئوری اولیه ای.  هر متغیری ممکن است با هر عاملی  ارتباط داشته باشد.

کاربردها: کاهش داده ها (Data Reduction) یا شناسایی ساختارها (Structure Detection)

۲) تحلیل عامل تأییدی (Confirmatory Factor Analysis):

پیش فرض اساسی محقق، آن است که هر عاملی با زیرمجموعه خاصی از متغیرها ارتباط دارد. حداقل شرط لازم این است که محقق در مورد تعداد عاملهای مدل قبل از انجام تحقیق، پیش فرض معینی داشته باشد.