多重因子分析（MultipleFactorAnalysis，MFA）是一种多元统计方法，同主成分分析（PrincipleComponentAnalysis，PCA）有紧密的关系，可以看作是一种能够运用于多组多维数据上的主成分分析。主成分分析是指通过正交变换将多个变量转换成少数几个线性不相关的变量（称为主成分），从而达到降维的目的。多重因子分析是主成分分析的扩展，在主成分分析基础上考虑了各组不同类型变量的贡献。此方法可以探寻多组多维变量间的一致性问题，其在食品饮料和化妆品的感官分析以及消费者偏好调研中具有良好效用。

 

多重因子分析主要应用于以下几种感官分析方法的数据分析中：多个样品的感官分析比较、感官分析多维度数据的比较、Napping和投影地图、多组感官数据的分析、自由选择剖面或快速剖面、消费者喜好的感官驱动因素的分析等。

 

这里，小编将MFA如何分析消费者对食品饮料产品喜好的驱动因素进行详细介绍。

 

我们可能在获得了产品的专家定量感官描述分析数据（如QDA数据），以及消费者的产品喜好得分之后，需要利用这两种数据来解释和理解消费者测试产品的感官喜好。

 

目前已经有几种可行的方法，例如投影地图、相关性分析、回归分析、偏最小二乘法以及多重因子分析等。其中，产品偏好地图又分为内部产品偏好地图（InternalPreferenceMapping）和外部产品偏好地图（ExternalPreferenceMapping）。可是，内部偏好地图法的局限在于，消费者可能对感官上来看完全不同的多个产品表现出相同的喜好，从而无法客观挖掘喜好驱动因素；而外部产品喜好则通过两个的维度的外部数据（例如感官）来代替了全部的产品特征数据，而这两个维度尽管涵盖了产品差异的主要信息，但导致消费者喜好的因素可能不能被这两个维度所涵盖。因此随后就产生了能够兼顾感官数据和喜好数据的以偏最小二乘（PLS）为基础的分析方法，而PLS的局限性在于PLS通常会将喜好得分平均化，即丢失了个体差异。

 

MFA可以保留个体的喜好差异并能够结合两种不同类型的数据一起分析。目前这种方法已经在多个产品品类中应用于寻找驱动消费者喜好的感官因素，进而帮助产品开发人员和市场人员为开发新产品或者改进产品口味提供数据依据。