因子分析：
因子分析的基本目的就是用少数几个因子去描述许多指标或因素之间的联系，即将相关比较密切的几个变量归在同一类中，每一类变量就成为一个因子，以较少的几个因子反映原资料的大部分信息。总而言之：化繁为简、由表及里。
构建指标：
在社会调查中，往往不能直截了当的测量，只能旁敲侧击得到些数据。比如：记者询问路人：“你幸福吗？”回答：我不姓“福”，每个人对“幸福”理解不同，回答自然千奇百怪。这样就需要设计一些便于回答的指标问题，根据受访者对这些问题的回答，推断他内心的态度和价值观。当得到这些相近的指标后，通过因子分析收集自变项，帮助我们确定哪些指标反映的是同一个因子，再通过可靠性分析进行化简，确定几个指标足够可靠，
用旋转因子简化：
因子分析背后鉴定是物以类聚、人以群分。但实际当中，个体间总是有千丝万缕的联系，态度、价值观、偏好等更是彼此关联。为了便于分析假定它们之间不相关，尽量把分析对象提纯，实现简化。旋转因子就是对因子进行直角旋转，就是假设它们零相关。spss的术语叫“方差最大化”，顾名思义方差尽量的大，相关度尽量的低。
举例：比如说有台晚会其中节目有相声、歌曲、杂技三种类型节目。观众来看节目，节目依次上演我们不知道他们喜欢看什么？怎么办呢？假设有三个看台按90°布置围绕观众席，分别上演三种节目。在某个时刻由上而下拍张俯视照片，观众的脸冲着那个看台，确定他喜欢什么节目。多拍几张照片，转来转去的观众我们把他去除，剩下的基本就被归类了。
构建量表：
曾经在多元回归分析中出现过一种情况，如果多个自变项产生共线，会是结果显示不相关。为避免问题出现，需要主因子分离、统一因子指标聚合。聚合需要两步：1、取因子值；2、简单相加量表。
构建量表是旁敲侧击得到几个指标聚合为一把尺子。这把尺子是否可以得出切实结果（即量表究竟测量什么），只能定性分析。尺子测量的是否准确（可靠度）可以通过可靠度分析确定。
需要注意：
1、社会科学一般要求科隆巴赫的阿尔法达到0.7。
2、构建量表指标越多，可靠度越高，与此相悖的是切实度（测量什么）就越低了。
3、量表构建更多是定性的，定量分析只是手段。
总结：
因子分析和构建量表的应用，是为了把零散的指标数据归类简化，然后对隐含的变项测量，从不同维度反映出现实情况的变化。用因子分析法探究多个指标是否能够测量我们想测量的变项，构建量表是把多个指标聚合成足够可靠的量表。
