因子分析减少了大量数据，例如调查数据，用少量潜在因素来解释相关结果。无论统计知识如何，任何受众都能理解因子分析的结果，这与分析本身一样具有挑战性。请按照以下步骤准备关于假设调查的演示文稿。
准备因子分析结果的PowerPoint演示文稿
使用PowerPoint演示文稿中的一个或多个幻灯片命名并描述每个基础因素。您可以根据分析中出现的相关模式命名每个因子。这些因素是那些无法测量或潜在的问题，有助于解释对您的一系列调查问题的回答。例如，关于政治和社会问题的观点的回应模式可能表明宗教价值观可能影响了反应。因此，宗教价值观是一个潜在因素。
使用称为公共因子模型的图表，在PowerPoint演示文稿的一张幻灯片中提供分析结果的图形显示。该图类似于流程图，使用方框和椭圆来分别说明您测量的变量（调查问题和响应）以及解释此类响应的因素。线条和箭头清楚地说明哪些因素影响哪些反应。
在另一张幻灯片上更详细地解释您的因子分析结果，显示一个表格，显示调查回答与可能影响他们的因素之间的相关性。该表在因子分析中称为因子加载矩阵。因子载荷是相关性的度量。此表的布局通常将每个因子显示为列标题，将每个变量显示为行。例如，每个调查问题都代表一行。该表格将显示调查回复与影响回答的因素之间的相关性得分，并向受众展示相关性的强度。
书面文件中的报告因子分析
使用数据表报告分析结果。因子分析报告应在表格中显示各个调查项目与解释这些项目的因素之间的相关性。突出显示相关表附带的文本参考中的重要发现，也称为因子加载。
根据所分析的变量或调查项目之间的相关模式，命名并识别潜在因素。高度相关的衡量标准 - 无论是积极的还是消极的 - 都可能受到相同因素的影响。
在报告的结果部分解释并讨论重要发现。
在方法部分中展开分析的技术细节。将结果和技术细节部分分开将使缺乏广泛统计知识的读者能够阅读和理解分析中最重要的发现，同时允许更具统计学意义的读者在单独的部分中探索技术细节。
