最大方差旋转只是其中的一种旋转方法，因为该方法旋转后的结果很清楚，所以一般默认选择都是这种方法 至于做主成分分析，是需要看原始数据情况的，如果原始数据变量就很少，不超过三五个这样的，就没必要做主成分分析。
扩展资料：
SPSS之方差分析总结
1，从自变量和因变量的数目上看，如果只有一个自变量和一个因变量，那我们采用“单因素方差分析”；如果有多个自变量和一个因变量，那我们采用“多因素方差分析”；如果有一个自变量和多个因变量，采用“单因素多元方差分析”；如果有多个自变量和多个因变量，则采用“多因素多元方差分析”。
2，其中，“单因素多元方差分析”和“多因素多元方差分析”统称为“多元方差分析，在SPSS上的实现步骤完全一致。
3，另外，对于“协方差分析”法，大家可以将其理解为“控制变量法”，即控制一个因素不变，研究其他因素对试验结果的影响。其中，需要控制的变量就是“协方差分析”中的协变量。而“重复测量方差分析”和字面意义一样，当我们需要对观测结果进行多次取值时，该方法即是最好的选择。
4，从数据结构方面来看，细心的朋友可能已经从前面的几章中发现，方差分析的数据都要求“数值型”，变量类型可以为“分类变量”，也可为数值变量。之所以补充此处，是因为在SPSS软件中，如果不事先设置好相关数据结构，可能在SPSS操作时你会发现有些按钮是灰色的，点不了。
最大方差旋转只是其中的一种旋转方法，因为该方法旋转后的结果很清楚，所以一般默认选择都是这种方法，至于做主成分分析，是需要看原始数据情况的，如果原始数据变量就很少，不超过三五个这样的，就没必要做主成分分析。
看数据应该是做主成分分析的变量也就只有2个，这样根本没必要做主成分分析。
因子分析模型中，假定每个原始变量由两部分组成：共同因子和唯一因子。共同因子是各个原始变量所共有的因子，解释变量之间的相关关系。
扩展资料：
唯一因子顾名思义是每个原始变量所特有的因子，表示该变量不能被共同因子解释的部分。
主成分分析是试图寻找原有变量的一个线性组合。这个线性组合方差越大，那么该组合所携带的信息就越多。也就是说，主成分分析就是将原始数据的主要成分放大。
因子分析，它是假设原有变量的背后存在着一个个隐藏的因子，这个因子可以可以包括原有变量中的一个或者几个，因子分析并不是原有变量的线性组合。
一般来说方法都选择主成分方法，但是在python中进行因子分析时用的不是这个方法。
参考资料来源：百度百科——spss