クインテス・Mind-Repo

クロス集計表などの数表をマップ化。

多くの変数データを少ない変数（因子）に集約。潜在意識の分析などに利用。

多くの変数を、少ない合成変数に集約。

データの類似性をマップに表現。

ブランド競合マップの作成などに便利。多次元尺度法の変数分析。

データサンプルを類似性から分類。消費者セグメンテーションなどに利用。

商品カテゴライズなど変数の分類に便利。

価格意識の分析法。新製品の受容価格帯や戦略的価格の見極めに便利。

顧客満足度調査の結果分析法。

テキストマイニングの手法を発展させた自由回答分析法。

因子分析とは、相関した変数（項目）の背後にあると想定される真の変数（因子）を抽出することで、より少ない変数でデータのバラツキを表現できるようにするための分析手法です。あらかじめ出力する因子数を指定する必要があります。
Mind-Repo、QuintessRepoでは、主因子法ではなく最尤法により計算しています。

Repoでの分析手順

(1)「統計・加工」をクリック表示されているグラフ、数表はなんでもかまいません。
(2)「因子分析」を指定する (3)分析の詳細指定画面で、分析の詳細方法を指定する ●因子数……………分析に使用する変数より少なく指定 ●軸の回転をするか否か、また回転方法バリマックス回転（初期値）、プロマックス回転、回転しないの指定が可能。

(4)「データの重ね合わせ」にチェックを入れ、分析項目を指定するフェイズ展開分析をするため、「データの重ね合わせ」にチェックを入れる。「Ｘ項目（説明変数）」をクリックして、同型の表組み項目を複数選択すると、表組み項目のサブ項目構成と、選択された表組み項目がリスト化される。
「データの重ね合わせ」にチェックを入れると、表組み化された質問のみ選択可能となる。同型の表組み項目（各ブランドについての質問群）を選択すること。

(5)分析速報が表示されるので、必要に応じて再分析するサマリー画面に、因子負荷量や固有値、累積寄与率などが表示される。変数名は、「Ｘ項目Ｎｏ」という形式で簡略表記される。サマリー因子負荷量が大きい変数がその因子を主に形成する変数。固有値が１以上の因子を累積寄与率０．８以上になるまで因子数を確保することが望ましい。
データの因子得点マップ左は、全因子マップ、右は各因子別。ベクトルは変数の因子負荷量。
因子負荷量グラフ因子別に各変数の因子負荷量をクラフ化。数値が大きい変数はその因子を主に形成する変数。

(6)「保存終了」で「保存のみ」または「保存終了」をクリックページ名と保存項目、可能であれば、因子軸の命名をする。レポートページに保存される。複数の分析を行った場合は、あらかじめ保存する分析パネル（サマリーでもグラフでも可）を選択状態しておき、保存をクリックすること。保存できる分析はひとつずつ。

(7)レポートページに保存される「レポート目次」をクリックすると、保存されたことが確認できる。そのページをクリックすると、グラフ、数表が表示される。親ページに散布図グラフが、子ページにその座標値の数表が保存される。ページは通常の手順で、修正、移動、削除ができる。フェイズ展開分析の分析結果のページでは、分析軸ボタンや選択条件のチェックはできない。データ選択する場合は、何らかの分析で、データ選択状態にしてから、「統計・加工」をクリックして分析する。
因子負荷量、固有値、寄与率など各因子や主成分の意味やその重要性を表した数値を表形式で表示。因子名やラベル名の変更をする場合は、「表編集」パネルに切り替え、修正を行い、「グラフページ」をクリックしてグラフを作成し直す。ページ更新で修正を確定すること。
因子負荷量のグラフ数値が大きい変数を元に因子名の命名をする。
ブランド・マップ因子得点の平均値によって、プロット。 ●散布図の数字の大きさは、「グラフデザイン」「値・凡例」パネルの「グラフ中に値を表記する」の右の数値で変更できる。 ●グラフ中にＮｏではなく、ラベル名を直接表記するには、「グラフ・デザイン」「値・凡例」パネルの「散布図・バブルチャートの場合」で「項目値」に指定。（項目は適当に指定）

因子分析の結果の解釈

独立因子
出力された因子群で説明できない情報の比率を表す。値が大きい場合、その変数データは、これらの因子では説明できない割合が大きいことを意味する。

因子負荷量
数値が大きい変数がその因子の意味を形成するので、その変数を元に因子軸の命名をする。
正負の符号は元データの値の方向に従うので注意すること。（とてもそう思う＝１、全くそう思わない＝５の場合、負になる）
各データの因子得点は次のように計算する。
第１因子得点＝変数Ｘ１の値×変数Ｘ１の因子負荷量
＋変数Ｘ２の値×変数Ｘ２の因子負荷量＋変数Ｘ３の値×変数Ｘ３の因子負荷量………＋独立因子
この因子別の因子得点または因子得点の平均値を散布図にしてマップにする。

因子負荷量の二乗和
各因子または主成分の実際のデータのバラツキを説明する度合い
１以上の因子を採用すると良い。
１以下の因子は、元の１変数分の説明力もないことを意味する。

寄与率・累積寄与率
因子負荷量の二乗和の総和に占める各因子の固有値のウェイト。つまり、全データのバラツキをその因子または主成分でどの程度説明できるかの比率。またその累積率。
絞り込んだ因子で累積寄与率０．８以上は確保したい。