图2-6
由图2-6中，可计算四项体能成绩的平均数、标准差、变异系数、相关系数，而如图2-7所示，由相关系数可知气力与耐力的相关系数高，表示气力与耐力呈现高度正相关，速度与协调也呈现高度正相关。另外也可以将原始数据用二维的散布图画出来，可初步分析四项体能成绩的关系或趋势，可按图2-6中的Correlation旁的小图钮，即可画出各个变数间的散布图（图2-8），图中显示气力与耐力大致有线性相关。
图2-7
现在回到图2-5，抽出因素之方式，有Principal components、 Communalities=multiple
、MINRES、 Centroid method和 Principal axis
method。选择Communalities = multiple of factors)设定为4（图2-9）。
方法，且最大因素个数(Maximum no.
然后可进入图2-10之画面，可查看因素分析的结果，分为三大项：解释变异量(Explained variance)，共同因素负荷量(Factor loadings)，和共同因素分数(Factor scores)。
图2-10中按「Eigen values」可得图2-11之结果, Factor 1之eigen value为1.9805，解释总变异的49.5%, Factor 2之eigen value为1.0174，解释总变异的25.44%, 故两个共同因素共同解释变异量达74.95%。按「Communalities」可得图2-12，此为共同性(communalities)。按「Factor loadings」，图2-13为未转轴前之共同因素负荷量，较无法 看出因素的特性，故进行转轴。
图2-8
图2-9
图2-10
图2-11
图2-12
图2-13
按「Factor rotation」，可选择转轴的方法，如图2-14，此例选择Varimax normalized。转轴后之因素负荷量如图2-15，可看出转轴后将因素与因素间的差异拉开来，速度与协调可归类为Factor 1，气力与耐力可归类为Factor 2，且Factor 1解释变异量占38.74%， Factor 2 解释变异量占36.20%。
图2-14
图2-15
图2-16为二个因素的factor score coefficients，可按「Factor score coefficients」得到，另外每个观察值之factor score可按「Factor score」即可得到。
由以上分析我们可得知，对于影响游泳选手的因素-气力、耐力、速度、协调，经过转轴后，可将气力、耐力归为一类，将其命名为『体能因素』；而速度、协调可将其归为『技巧因素』，所以影响选手测验成绩我们可大致知道有二类共同因素。
图2-16
【本章参考数据】
Harman, H. R. (1976). Modern factor analysis University of Chicago Press.
Overall, J. E. and C. J. Klett (1972). Applied Multivariate Analysis. McGraw-Hill. Rummel. R. J. (1970). Applied Factor Analysis, III. Northwestern University Press. Wherry, R. J. (1984). Contributions to correlational analysis Academic Press.