多重因子分析（MultipleFactorAnalysis，MFA）是一種多元統計方法，同主成分分析（PrincipleComponentAnalysis，PCA）有緊密的關系，可以看作是一種能夠運用于多組多維數據上的主成分分析。主成分分析是指通過正交變換將多個變量轉換成少數幾個線性不相關的變量（稱為主成分），從而達到降維的目的。多重因子分析是主成分分析的擴展，在主成分分析基礎上考慮了各組不同類型變量的貢獻。此方法可以探尋多組多維變量間的一致性問題，其在食品飲料和化妝品的感官分析以及消費者偏好調研中具有良好效用。
 

多重因子分析主要應用于以下幾種感官分析方法的數據分析中：多個樣品的感官分析比較、感官分析多維度數據的比較、Napping和投影地圖、多組感官數據的分析、自由選擇剖面或快速剖面、消費者喜好的感官驅動因素的分析等。
 

這里，小編將MFA如何分析消費者對食品飲料產品喜好的驅動因素進行詳細介紹。
 

我們可能在獲得了產品的專家定量感官描述分析數據（如QDA數據），以及消費者的產品喜好得分之后，需要利用這兩種數據來解釋和理解消費者測試產品的感官喜好。
 

目前已經有幾種可行的方法，例如投影地圖、相關性分析、回歸分析、偏最小二乘法以及多重因子分析等。其中，產品偏好地圖又分為內部產品偏好地圖（InternalPreferenceMapping）和外部產品偏好地圖（ExternalPreferenceMapping）。可是，內部偏好地圖法的局限在于，消費者可能對感官上來看完全不同的多個產品表現出相同的喜好，從而無法客觀挖掘喜好驅動因素；而外部產品喜好則通過兩個的維度的外部數據（例如感官）來代替了全部的產品特征數據，而這兩個維度盡管涵蓋了產品差異的主要信息，但導致消費者喜好的因素可能不能被這兩個維度所涵蓋。因此隨后就產生了能夠兼顧感官數據和喜好數據的以偏最小二乘（PLS）為基礎的分析方法，而PLS的局限性在于PLS通常會將喜好得分平均化，即丟失了個體差異。
 

MFA可以保留個體的喜好差異并能夠結合兩種不同類型的數據一起分析。目前這種方法已經在多個產品品類中應用于尋找驅動消費者喜好的感官因素，進而幫助產品開發人員和市場人員為開發新產品或者改進產品口味提供數據依據。