در محیط نرم افزاری spss برای برآورد محموله ها از روشهای زیر استفاده می شود:

 روش principal Components 

روش Unweighted Least Squares 

روش Generalzed least 

روش Maximum Likelihood 

روشAxis Factoring principal 

روش Alpha Factoring  روش Image Factoring

روشهای برآورد

در محیط نرم افزاری spss برای برآورد محموله ها از روشهای زیر استفاده می شود:

 روش principal Components  روش Unweighted Least Squares  روش Generalzed least  روش Maximum Likelihood  روشAxis Factoring principal  روش Alpha Factoring  روش Image Factoring که به خاطر متداول بودن دو روش « مؤلفه های اصلی» (principal Components) و « درست نمایی ماکزیمم» (Maximum Liklihood)، در این فصل؛ این دو روش بررسی می شود:

روش مؤلفه های اصلی :

در این روش ماتریس s، (برآورد کننده )، براساس مشاهدات محاسبه شده و با توجه به ماتریس ضرایب همبستگی نمونه R، اگر بین متغیرها همبستگی بالایی موجود باشد دلیل آن، وجود فاکتور پنهانی است.

تحلیل عاملی مؤلفه اصلی ماتریس کواریانس نمونه s برحسب زوجهای مقدار ویژه – بردار ویژه زیر مشخص می شود:

از معیار فوق معمولاً به عنوان وسیله ای راهنما برای تعیین تعداد مناسب عوامل مشترک استفاده می شود.

تعداد عوامل مشترک باقیمانده در الگو تا بیان شدن یک « نسبت مناسب» کل واریانس نمونه افزایش می یابد.

قراردادی که معمولاً در محاسبات کامپیوتری با آن مواجه می شویم این است که:

 اگر ماتریس همبستگی نمونه عامل بندی شود، m را برابر تعداد مقادیر ویژۀ R بزرگتر از 1، یا، مساوی تعداد مقادیر ویژۀ مثبت s قرار می دهیم در صورتی که ماتریس کواریانس نمونه عامل بندی شود.