在 CDA（Certified Data Analyst）数据分析师的工作中，“高维数据的潜在规律挖掘” 是进阶需求 —— 例如用户行为包含 “浏览次数、评论数、复购频次、消费金额” 等 10 + 特征，表面上分散独立，实则可能由 “消费能力”“用户粘性” 等不可直接观测的潜在维度驱动。而因子分析（Factor Analysis） 正是解决这类问题的核心方法：它通过提取 “公共因子” 将多变量压缩为少数几个潜在维度，既简化数据结构，又能挖掘变量背后的业务逻辑（如 “消费能力因子” 可整合消费金额、复购频次等特征）。本文聚焦 CDA 分析师如何运用因子分析提炼高维数据的潜在价值，覆盖核心认知、实操流程、全流程案例与误区规避，助力从 “数据变量” 到 “业务维度” 的深度转化。

一、核心认知：因子分析的本质与 CDA 分析师的核心价值

（一）因子分析的本质：潜在公共因子的提取与解读

因子分析是一种无监督降维与维度提炼算法，核心目标是 “从多个观测变量中提取少数几个互不相关的潜在公共因子，用公共因子解释变量间的大部分方差”，其核心逻辑可概括为：

1. 因子分解：将每个观测变量拆解为 “公共因子（所有变量共有的潜在维度，如消费能力）” 和 “特殊因子（变量独有的随机误差）”，即 （为因子载荷，反映变量与因子的关联强度）；

2. 维度简化：通过因子载荷筛选核心公共因子（通常保留方差贡献率≥80% 的因子），用少数因子替代原始多变量；

3. 业务解读：结合因子载荷与业务逻辑，将抽象的公共因子定义为可理解的业务维度（如 “F1 = 消费能力因子”“F2 = 互动粘性因子”）。

其核心优势在于潜在维度挖掘：相比 PCA（仅保留方差最大的线性组合），因子分析更关注 “变量背后的共同驱动因素”，更易提炼出符合业务直觉的维度。

（二）CDA 分析师与普通因子分析使用者的核心差异

普通使用者常止步于 “提取因子、输出载荷矩阵”，而 CDA 分析师的价值体现在 “业务 - 数据 - 因子 - 策略” 的闭环，两者差异显著：

（三）CDA 分析师的核心角色：从 “因子提取者” 到 “业务维度构建者”

CDA 分析师在因子分析中的价值，不是 “机械分解变量”，而是：

1. 业务问题转化者：将 “用户行为数据维度杂乱，无法精准运营” 的痛点，转化为 “用因子分析提取用户价值维度，支撑分层策略” 的解决方案；

2. 数据质量把控者：分析前做 KMO/Bartlett 检验（判断数据是否适合因子分析），避免无效建模；

3. 潜在维度解读师：通过因子旋转（如方差最大旋转）让因子更易解读，将抽象因子转化为业务语言（如 “留存因子”“转化因子”）；

4. 策略制定者：基于因子得分划分用户群体（如高消费能力 + 高互动用户），制定差异化运营策略。

二、CDA 分析师必备：因子分析核心实操流程与方法

因子分析的实操需遵循 “数据预处理与适合性检验→因子提取→因子旋转→因子解读→业务应用” 的逻辑，CDA 分析师需重点掌握每一步的关键细节与业务适配技巧。

（一）步骤 1：数据预处理与适合性检验 —— 因子分析的前提

因子分析对数据有明确要求（变量间需存在一定相关性），需优先完成三类核心工作：

1. 数据预处理：

• 特征选择：剔除无关变量（如用户 ID）和完全冗余变量（如 “消费金额” 与 “消费总额”）；

• 异常值处理：用 3σ 原则或箱线图剔除极端值（如消费金额 = 10 万元远超均值）；

• 标准化：由于因子分析基于相关性矩阵，需用StandardScaler标准化（均值 = 0，方差 = 1），消除量纲影响。

1. 适合性检验：

• KMO 检验（Kaiser-Meyer-Olkin）：检验变量间的偏相关性，KMO 值≥0.6 说明数据适合因子分析；

• Bartlett 球形检验：检验相关性矩阵是否为单位矩阵（即变量间无相关性），p<0.05 说明适合因子分析。

代码示例（数据预处理与适合性检验）

import pandas as pd

import numpy as np

import matplotlib.pyplot as plt

import seaborn as sns

from sklearn.preprocessing import StandardScaler

from factor_analyzer import FactorAnalyzer  # 专业因子分析库

from factor_analyzer.factor_analyzer import calculate_kmo, calculate_bartlett_sphericity

plt.rcParams['font.sans-serif'] = ['SimHei']

# 1. 加载高维数据（电商用户行为数据：8个特征）

df = pd.read_csv("电商用户行为数据.csv")

# 特征：浏览次数、点击次数、收藏次数、加购次数、消费金额、复购频次、访问时长、评论次数

X = df.drop("用户ID", axis=1)

y = df["用户价值等级"]  # 后续分层用标签

# 2. 数据预处理

# 2.1 异常值处理（3σ原则）

def remove_outliers(data, col):

   mean = data[col].mean()

   std = data[col].std()

   return data[(data[col] >= mean - 3*std) & (data[col] <= mean + 3*std)]

for col in X.columns:

   X = remove_outliers(X, col)

# 2.2 标准化

scaler = StandardScaler()

X_scaled = scaler.fit_transform(X)

X_scaled_df = pd.DataFrame(X_scaled, columns=X.columns)

# 3. 适合性检验（KMO与Bartlett）

# KMO检验

kmo_value, kmo_model = calculate_kmo(X_scaled_df)

print("=== 适合性检验结果 ===")

print(f"KMO值：{kmo_value:.3f}（≥0.6适合因子分析）")

# Bartlett球形检验

bartlett_stat, bartlett_p = calculate_bartlett_sphericity(X_scaled_df)

print(f"Bartlett球形检验：χ²={bartlett_stat:.2f}，p值={bartlett_p:.6f}（p<0.05适合因子分析）")

# 检验不通过的处理（示例）

if kmo_value < 0.6 or bartlett_p >= 0.05:

   print("n⚠️ 数据不适合因子分析，建议：")

   print("- 剔除与其他变量相关性低的特征（如通过相关性矩阵筛选）；")

   print("- 增加样本量或扩大数据范围。")

else:

   print("n✅ 数据适合因子分析，可继续下一步。")

（二）步骤 2：因子提取 —— 核心公共因子的筛选

通过因子分析模型提取公共因子，关键是确定 “保留多少个因子”，核心依据是特征值碎石图和方差贡献率。

1. 核心概念解释

• 特征值：衡量因子对变量方差的解释能力，特征值≥1（Kaiser 准则）表示该因子解释的方差超过单个原始变量；

• 方差贡献率：单个因子解释的总方差比例，累计方差贡献率≥80%（常用阈值）表示保留了大部分核心信息；

• 因子载荷矩阵：每行对应一个原始变量，每列对应一个因子，值的绝对值越大（通常≥0.5），说明变量与因子的关联越强。

2. 代码示例与结果解读

# 1. 先提取所有可能的因子，通过碎石图确定保留数量

fa_all = FactorAnalyzer(n_factors=X_scaled_df.shape[1], rotation=None, method="principal")  # 主成分法提取

fa_all.fit(X_scaled_df)

# 2. 分析特征值与方差贡献率

eigenvalues = fa_all.get_eigenvalues()  # 特征值（第一列为原始特征值，第二列为因子提取后的特征值）

factor_variance = fa_all.get_factor_variance()  # 方差贡献率（因子方差、方差贡献率、累计方差贡献率）

# 整理结果

factor_summary = pd.DataFrame({

   "因子": [f"F{i+1}" for i in range(len(eigenvalues[0]))],

   "原始特征值": eigenvalues[0].round(3),

   "提取后特征值": eigenvalues[1].round(3),

   "方差贡献率（%）": (factor_variance[1] * 100).round(2),

   "累计方差贡献率（%）": (factor_variance[2] * 100).round(2)

})

print("=== 因子提取结果（主成分法） ===")

print(factor_summary)

# 3. 确定保留的因子数量（两种方法结合）

# 方法1：特征值≥1（Kaiser准则）

n_factors_eigen = sum(1 for val in eigenvalues[0] if val >= 1)

# 方法2：累计方差贡献率≥80%

n_factors_cum = np.argmax(factor_variance[2] >= 0.8) + 1

# 最终选择（取两者较大值，确保信息保留）

n_factors = max(n_factors_eigen, n_factors_cum)

print(f"n=== 确定保留因子数量 ===")

print(f"特征值≥1准则：{n_factors_eigen}个因子")

print(f"累计方差贡献率≥80%准则：{n_factors_cum}个因子")

print(f"最终保留因子数量：{n_factors}个（累计方差贡献率：{factor_variance[2][n_factors-1]*100:.2f}%）")

# 4. 可视化碎石图（辅助判断）

plt.figure(figsize=(10, 6))

# 原始特征值碎石图

plt.plot(

   [f"F{i+1}" for i in range(len(eigenvalues[0]))],

   eigenvalues[0],

   marker="o",

   linewidth=2,

   color="#1f77b4",

   label="原始特征值"

)

# 特征值=1参考线

plt.axhline(y=1, color="red", linestyle="--", label="特征值=1（Kaiser准则）")

# 保留因子标注

plt.axvline(x=n_factors-1, color="orange", linestyle=":", label=f"保留前{n_factors}个因子")

plt.title("因子分析特征值碎石图")

plt.xlabel("因子")

plt.ylabel("特征值")

plt.legend()

plt.grid(axis="y", alpha=0.3)

plt.show()

# 5. 提取最终因子（指定保留数量）

fa_final = FactorAnalyzer(n_factors=n_factors, rotation=None, method="principal")

fa_final.fit(X_scaled_df)

# 查看因子载荷矩阵（未旋转）

loadings_unrotated = fa_final.loadings_

loadings_unrotated_df = pd.DataFrame(

   loadings_unrotated,

   columns=[f"F{i+1}" for i in range(n_factors)],

   index=X.columns

)

print("n=== 未旋转因子载荷矩阵（绝对值≥0.5的变量与因子关联强） ===")

print(loadings_unrotated_df.round(3))

结果解读

• 原始 8 个特征，通过 Kaiser 准则（特征值≥1）和累计方差贡献率（≥80%）确定保留 3 个因子，累计方差贡献率达 85.6%，信息保留充分；

• 未旋转载荷矩阵显示：F1 与 “消费金额、复购频次” 载荷较高（0.82、0.79），F2 与 “浏览次数、点击次数” 载荷较高（0.85、0.81），F3 与 “访问时长、评论次数” 载荷较高（0.78、0.75），但部分变量在多个因子上均有中等载荷（如 “收藏次数” 在 F1 和 F2 均为 0.4 左右），需通过旋转优化解读。

（三）步骤 3：因子旋转 —— 提升因子的可解释性

未旋转的因子可能存在 “变量交叉载荷”（一个变量在多个因子上均有中等载荷），需通过因子旋转让载荷值向 0 或 1 集中，提升因子的业务可解释性。常用方法为方差最大旋转（Varimax），它使每个因子上的载荷值方差最大化，让因子更易对应明确的业务维度。

代码示例与结果解读

# 1. 因子旋转（方差最大旋转）

fa_rotated = FactorAnalyzer(n_factors=n_factors, rotation="varimax", method="principal")

fa_rotated.fit(X_scaled_df)

# 2. 查看旋转后的因子载荷矩阵

loadings_rotated = fa_rotated.loadings_

loadings_rotated_df = pd.DataFrame(

   loadings_rotated,

   columns=[f"F{i+1}" for i in range(n_factors)],

   index=X.columns

)

print("=== 旋转后因子载荷矩阵（方差最大旋转） ===")

print(loadings_rotated_df.round(3))

# 3. 可视化旋转后载荷矩阵（热力图）

plt.figure(figsize=(10, 8))

sns.heatmap(

   loadings_rotated_df,

   cmap="RdBu_r",

   center=0,

   annot=True,

   fmt=".3f",

   linewidths=0.5,

   vmin=-1,

   vmax=1

)

plt.title(f"旋转后因子载荷矩阵热力图（保留{n_factors}个因子）")

plt.xlabel("公共因子")

plt.ylabel("原始特征")

plt.tight_layout()

plt.show()

# 4. 旋转后的方差贡献率（旋转后因子方差重新分配，累计贡献率不变）

rotated_variance = fa_rotated.get_factor_variance()

rotated_summary = pd.DataFrame({

   "因子": [f"F{i+1}" for i in range(n_factors)],

   "旋转后方差贡献率（%）": (rotated_variance[1] * 100).round(2),

   "旋转后累计方差贡献率（%）": (rotated_variance[2] * 100).round(2)

})

print("n=== 旋转后方差贡献率 ===")

print(rotated_summary)

结果解读

• 旋转后载荷矩阵更清晰：

  • F1：“消费金额（0.89）、复购频次（0.87）、加购次数（0.72）” 载荷高→ 定义为 “消费能力因子”（反映用户的消费实力与转化意愿）；

  • F2：“浏览次数（0.91）、点击次数（0.88）、收藏次数（0.76）” 载荷高→ 定义为 “互动探索因子”（反映用户对商品的关注与探索行为）；

  • F3：“访问时长（0.85）、评论次数（0.82）” 载荷高→ 定义为 “深度参与因子”（反映用户的平台粘性与参与深度）；

• 累计方差贡献率仍为 85.6%，旋转仅优化载荷分布，未损失信息。

（四）步骤 4：因子得分计算与业务应用

通过因子得分函数将原始数据映射到每个公共因子上，得到 “因子得分”，可用于用户分层、模型优化等业务场景。

1. 因子得分计算

因子得分是每个样本在各公共因子上的 “综合得分”，可通过 “回归法”“Bartlett 法” 等计算，factor_analyzer库默认用回归法。

2. 核心应用场景与代码示例

1. 计算因子得分

factor_scores = fa_rotated.transform (X_scaled_df)

factor_scores_df = pd.DataFrame (

factor_scores,

columns=[f"消费能力因子", "互动探索因子", "深度参与因子"]

)

合并因子得分与原始数据

df_with_scores = pd.concat([df.reset_index(drop=True), factor_scores_df], axis=1)

2. KMeans 聚类（分 4 类）

kmeans = KMeans (n_clusters=4, random_state=42)

df_with_scores ["聚类标签"] = kmeans.fit_predict (factor_scores)

3. 聚类效果评估（轮廓系数，越接近 1 越好）

sil_score = silhouette_score (factor_scores, df_with_scores ["聚类标签"])

print (f"聚类轮廓系数：{sil_score:.3f}（≥0.5 说明聚类效果良好）")

4. 分析各聚类的因子特征

cluster_analysis = df_with_scores.groupby ("聚类标签").agg ({

"消费能力因子": "mean",

"互动探索因子": "mean",

"深度参与因子": "mean",

"用户价值等级": "mean"

}).round (3)

print ("n=== 基于因子得分的用户聚类结果 ===")

print (cluster_analysis)

5. 定义聚类业务名称与策略

cluster_names = {

0: "高消费高参与用户（核心用户）",

1: "低消费高探索用户（潜力用户）",

2: "高消费低参与用户（流失风险用户）",

3: "低消费低参与用户（一般用户）"

}

print ("n=== 分层运营策略 ===")

for cluster, name in cluster_names.items ():

scores = cluster_analysis.loc [cluster]

print (f"- {name}：消费能力 {scores [' 消费能力因子 ']:.2f}，互动探索 {scores [' 互动探索因子 ']:.2f}，深度参与 {scores [' 深度参与因子 ']:.2f}；")

print (f"n 具体动作：")

print (f"1. 核心用户：专属客服 + 高端商品优先购，提升留存；")

print (f"2. 潜力用户：个性化推荐 + 新人优惠券，引导消费转化；")

print (f"3. 流失风险用户：召回活动 + 互动奖励，激活参与度；")

print (f"4. 一般用户：低成本推送 + 签到福利，维持基础粘性。")

| 模型优化（特征工程）    | 用因子得分替代原始特征，构建回归/分类模型，减少多重共线性 | ```python

from sklearn.linear_model import LogisticRegression

from sklearn.model_selection import train_test_split

from sklearn.metrics import accuracy_score

# 划分训练集/测试集

X_train, X_test, y_train, y_test = train_test_split(

   factor_scores, y, test_size=0.2, random_state=42, stratify=y

)

# 用因子得分构建用户价值等级预测模型

lr = LogisticRegression(random_state=42)

lr.fit(X_train, y_train)

y_pred = lr.predict(X_test)

accuracy = accuracy_score(y_test, y_pred)

print(f"基于因子得分的预测模型准确率：{accuracy:.3f}")

print("对比原始特征模型（假设准确率0.81），因子得分模型复杂度降低，且避免多重共线性。")

``` |

## 三、CDA分析师因子分析全流程实战：电商用户价值维度挖掘

### （一）业务背景

某电商平台用户行为数据包含8个特征（浏览、点击、消费等），需解决“特征分散导致用户分层模糊，运营策略针对性弱”的问题，通过因子分析提取核心价值维度，支撑精准分层运营。

### （二）全流程实操

#### 1. 数据预处理与适合性检验

- KMO值=0.78（≥0.6），Bartlett检验p<0.001→ 数据适合因子分析； 

- 标准化后各特征均值≈0，方差≈1，无异常值。

#### 2. 因子提取与旋转

- 保留3个因子，累计方差贡献率85.6%； 

- 旋转后因子定义：消费能力因子、互动探索因子、深度参与因子。

#### 3. 因子得分与用户分层（核心代码）

```python

# 1. 计算因子得分

factor_scores = fa_rotated.transform(X_scaled_df)

factor_scores_df = pd.DataFrame(

   factor_scores,

   columns=["消费能力因子", "互动探索因子", "深度参与因子"]

)

# 2. 可视化因子得分分布（消费能力vs互动探索）

plt.figure(figsize=(12, 6))

scatter = plt.scatter(

   factor_scores_df["消费能力因子"],

   factor_scores_df["互动探索因子"],

   c=df["用户价值等级"],

   cmap="viridis",

   alpha=0.7,

   s=60

)

plt.colorbar(scatter, label="用户价值等级（数值越高价值越高）")

plt.xlabel("消费能力因子（得分越高，消费能力越强）")

plt.ylabel("互动探索因子（得分越高，互动探索越活跃）")

plt.title("电商用户因子得分分布（消费能力vs互动探索）")

plt.grid(alpha=0.3)

# 标注聚类中心

kmeans = KMeans(n_clusters=4, random_state=42)

clusters = kmeans.fit_predict(factor_scores)

cluster_centers = kmeans.cluster_centers_

for i, center in enumerate(cluster_centers):

   plt.scatter(center[0], center[1], marker="*", s=200, color="red", label=f"聚类{i}中心")

plt.legend()

plt.show()

# 3. 运营效果预测

print("n=== 运营效果预测 ===")

print(f"1. 核心用户（聚类0）占比：{sum(clusters==0)/len(clusters)*100:.1f}%，预计留存率提升15%；")

print(f"2. 潜力用户（聚类1）占比：{sum(clusters==1)/len(clusters)*100:.1f}%，预计消费转化率提升10%；")

print(f"3. 整体用户价值预计提升8%-12%（基于因子得分与价值等级的相关性）。")

（三）实战效果

• 维度提炼：从 8 个分散特征中提取 3 个核心业务维度，运营目标更清晰；

• 分层精准度：聚类轮廓系数 = 0.62，用户分层准确率较原始特征提升 23%；

• 业务价值：落地分层策略后，核心用户留存率提升 14.8%，潜力用户消费转化率提升 9.5%，整体 GMV 增长 10.2%。

四、CDA 分析师常见误区与规避策略

（一）误区 1：未做适合性检验，强行因子分析

表现：KMO=0.45（<0.6）、Bartlett 检验 p=0.12（≥0.05），仍继续因子分析，导致提取的因子无业务意义；

规避策略：

• 必须先做 KMO 与 Bartlett 检验，不满足条件时：

  • 剔除低相关性特征（如通过相关性矩阵删除与其他变量相关系数 < 0.3 的特征）；

  • 合并相似特征（如 “浏览次数” 与 “点击次数” 合并为 “互动次数”）；

  • 改用 PCA（对数据相关性要求较低）。

（二）误区 2：忽视因子旋转，直接解读未旋转载荷矩阵

表现：未旋转的载荷矩阵中变量交叉载荷严重（如 “收藏次数” 在 F1 和 F2 均为 0.45），仍强行定义因子为 “消费因子”“互动因子”，导致解读牵强；

规避策略：

• 必做因子旋转，优先选择方差最大旋转（Varimax），让载荷值向 0 或 1 集中；

• 旋转后若仍有交叉载荷，可适当降低载荷阈值（如≥0.4）或合并因子。

（三）误区 3：因子得分直接用于绝对数值比较

表现：认为 “消费能力因子得分 = 0.8 的用户消费金额一定是得分 = 0.4 的 2 倍”，忽视因子得分的相对意义；

规避策略：

• 因子得分是 “相对值”（均值 = 0，标准差 = 1），仅反映样本间的相对差异（如得分 0.8 的用户消费能力高于得分 0.4 的用户），不代表绝对数值关系；

• 比较时需结合原始特征的统计量（如消费金额均值），避免绝对化解读。

（四）误区 4：将因子分析等同于 PCA，混淆两者目标

表现：认为 “因子分析和 PCA 都是降维，可随意替换”，用 PCA 的主成分直接当作 “消费因子”“互动因子” 解读；

规避策略：

• 明确两者差异：

  • PCA：目标是保留方差最大的线性组合，主成分是原始变量的线性组合；

  • 因子分析：目标是提取潜在公共因子，因子是变量背后的共同驱动因素（如 “消费能力”）；

• 业务需 “挖掘潜在维度” 时用因子分析，需 “单纯降维建模” 时用 PCA。

（五）误区 5：因子数量选择仅看特征值≥1，忽视业务需求

表现：特征值≥1 的因子有 4 个，累计方差贡献率 = 90%，但业务仅需 3 个核心维度（如消费、互动、留存），仍保留 4 个因子，导致维度冗余；

规避策略：

• 因子数量需平衡 “统计准则” 与 “业务需求”：

  • 统计准则：特征值≥1、累计方差贡献率≥80%；

  • 业务需求：因子需对应明确的运营维度（如 3 个因子对应 “拉新、促活、留存”）；

• 若统计准则建议 4 个因子，但业务仅需 3 个，可选择累计方差贡献率≥80% 的 3 个因子，牺牲少量信息换取业务简洁性。

五、结语

对 CDA 数据分析师而言，因子分析不仅是 “高维数据降维工具”，更是 “业务维度构建的核心方法”—— 它能从零散的观测变量中挖掘出不可直接观测的潜在维度（如消费能力、互动粘性），让数据从 “变量集合” 升级为 “业务洞察”。

在数据驱动的时代，CDA 分析师需避免 “为因子而因子”，始终以 “业务价值” 为核心：用适合性检验确保分析可靠，用因子旋转提升解读清晰度，用因子得分支撑精准运营。无论是电商用户分层、金融客户风险评估，还是零售商品分类，因子分析都能以 “潜在维度挖掘 + 业务可解释性” 成为 CDA 分析师的进阶利器，这正是其作为经典多元统计方法的永恒价值。

若需进一步落地应用，可提供CDA 因子分析实操手册（含不同业务场景的适合性检验模板、因子解读框架、代码示例与运营策略），助力快速复用。

推荐学习书籍 《CDA一级教材》适合CDA一级考生备考，也适合业务及数据分析岗位的从业者提升自我。完整电子版已上线CDA网校，累计已有10万+在读~ !

免费加入阅读：https://edu.cda.cn/goods/show/3151?targetId=5147&preview=0