（一）計算相關矩陣
因子分析的基礎是變量之間的相關。因此，因子分析的第一步是計算各個題目之間的兩兩相關，詳細檢驗項目相關矩陣代表的意義。
用來探討這些相關係數是否適當的第一種方法是巴特萊球形檢驗（Bartett's test of sphericity）。由於因子分析使用相關係數作為因子抽取的基礎，一般而言，相關矩陣中的相關係數必須顯著地高於0，某一群題目兩兩之間有高相關，顯示可能存在一個因子，多個群落代表多個因子。如果相關係數都偏低且接近，則因子的抽取越不容易，巴特萊球形檢驗即可用來檢驗這些相關係數是否不同且大於0。球形檢驗結果顯著，表示相關係數可以用於因子分析抽取因子。
第二種方法是使用偏相關矩陣來判斷。變量之間是否具有高度關聯，可以從偏相關矩陣（partial correlation）來判斷，以偏相關計算兩個變量的關係時，排除了其他變量的影響。因子分析計算過程中，可以得到一個反映像矩陣，呈現出偏相關的大小，該矩陣中，若有多數係數偏高，則應放棄使用因子分析。對角線的係數除外，該係數稱為取樣適切性量數（KMO；Kaiser-Meyer-Olkin measure of sampling adequacy），代表與該變量有關的所有相關係數與淨相關係數的比較值，該係數越大，表示相關情形良好。
第三種方法是檢查共同性指數（communality）。某一變量與其他所有變量的複相關係數的平方，得到的數值稱為共同性，表示該變量的變異量被共同因子解釋的比例，其計算方式為在一變量上各因子負荷量平方值的總和。變量的共同性越高，因子分析的結果就越理想。
（二）因子抽取的方法
因子抽取（factor extraction）這一步驟的目的在於決定這些測量變量當中存在著多少個潛在的成分（component）或因子（factor）。除了人為設定因子個數之外，決定因子個數的具體方法有：