Nagyobb kutatások esetében sűrűn előfordul, hogy számos itemmel kell dolgoznunk, melyek közötti kapcsolatokat, lehetséges összefüggéseket nehéz pusztán korrelációkkal, vagy akár parciális korrelációkkal feltárni.

A faktor- és főkomponens-elemzés célja kettős: egyik oldalról szeretnénk a változók számát redukálni (a főkomponens-elemzés célja egyértelműen ez), kevesebb változóval hasonló mennyiségű és minőségű információt megőrizni a változókról. Gondolhatunk itt arra, amikor az iskolai érdemjegyeink közül a matematikát, a fizikát és a kémiát egy „reál-jegyben” összevonjuk, átlagoljuk, egyként kezeljük.

Másik oldalról – a faktorelemzés szól elsősorban erről – azt is elérhetjük, hogy a változó-szettünk mögött meghúzódó esetleges látens változókat feltárjuk. Az iskolai érdemjegyeknél maradva egy reál és egy humán háttérváltozó segítségével – kihagyva a készségtárgyakat – elfogadható képet, struktúrát nyerhetünk a tantárgyak felépítéséről.

A két eljárás az SPSS-ben egy helyen található, ráadásul a kimeneti adatok is azonosak. Így onnantól, hogy eldöntöttük: adatokat akarunk redukálni és kevesebb változóval dolgozni, vagy mögöttes struktúrát keresünk inkább, már csak ki kell választanunk azt az eljárást, amire éppen szükségünk van.

Az elemzést a faktorelemzés kimeneti adatain ismertetjük – bemutatva, hogy hol kell módosítást végrehajtani annak érdekében, hogy a főkomponens-elemzést is elérjük.