答：（1）因子分析方法是心理科学对统计学的伟大贡献，它被广泛用于心理与教育研究及其他学科领域。在心理学研究中。尤其是在心理测量领域、国子分折技术有着重要的功能。它可用于协助测验研究者进行测验效度的验证、建立量表的因子效度Cactorialvalidity)，协助研究者简化测数内容选用最具有代表性的题日来测量特质，以最少的项目实施最合适的断量用来协助测验编制，进行项目分析、检验项目的优劣、等等。
（2）近年来、随着电脑的发展，因子分析的应用已有多种不同的变化、其中国验证性因子分析为核心的结构方程模型StructuralEquation Modeline)技术与应用软件不断被开发、更新。在未来。因子分析依然有着相当广国的发展空间和应用空间。
（3）前面介绍的多因子方差分析、多重回归分析、因子分析等多变量统计分析技术和方法，是当代心理学和教育科学研究领域中最受关注与讨论的统计方法，它们有着非常广泛的用途。除此之外，其他的多变量统计方法还有判别分析、聚类分析，等等。这些方法一个共同的特点是计算过程都比较繁复，须借助于电子计算机和统计软件包才能完成。随着计算机在心理与教育研究中使用的普及，以及统计软件的开发推广，这些方法、包括在各种不同情况、不同假设条件下才能使用的多因子分析方法的实际应用。展现出了十分重要的研究工具性价值和方法学的价值，它们越来越显示出其重要作用。
（4）最后，需要说明的是，研究中统计方法的选择运用一定要服务于研究目的，用最简捷的方法解决比较复杂的问题一直是科学研究遵循的一个准则，千万不要形而上的追求方法的绝对运用，而忽视了研究的实质。另外，在选择、使用多变量统计方法的时候，一定要懂得各种多变量统计分析方法的基本原理、基本过程，了解其基本假设条件，这也是利用计算机进行各种统计分析的基本原则和前提。
因子分析的主要目的是用几个因子去描述多个变量之间的关系，以达到降维的目的，被描述的变量一般都是可以观测到的变量，而因子却是潜在的变量，比如运动能力，耐力，毅力等等。
数据分析中，主成分分析（PCA）是被大家熟知的数据降维的方法，而因子分析和主成分分析是非常相似的两种方法，也就是说，二者都可以达到降维的目的（即减少变量的个数或者维度）。但是因子分析最大的优点就在于：对新的因子能够进行命名和解释，是因子具有可解释性。具体就是比如目前有十个数据：分别有跳远、投标枪、50米短跑、2000米长跑、投实心球、投掷铅球、滑雪、跳高、拔河以及竞走。那么因子分析之后，可能跑步和竞走达到降维为一个变量耐力或者持久力。而且这个因子是对于跑步或者竞走有一个解释的能力。看到这里你应该对因子分析有个大致的了解的。
最后来看一下，因子分析可以解决什么样的问题？
在多变量场景下，挖掘背后影响因子
比如在企业和品牌调研中，消费者会调查很多问题来评估企业品牌。对这些问题通过因子分析可以刻画出背后少量的潜在影响因素，比如服务质量、商品质量等等。
用于数学建模前的降维
因子分析和主成分分析都可用于降维。但因子分析的优点是，因子作为新的解释变量去建模，有更好的解释性。
因此对于有些需要业务解释的数据建模，可以在建模前通过因子分析提取关键因子，再用因子得分为解释变量，通过回归或者决策树等分类模型去建模。
最后本人也学过数据建模与分析，因子分析是其中非常重要的一部分内容，不管是你以后跟数据打交道，还是跟金融打交道，都很有用。