根据您对任务的描述，我觉得可以通过量化（将序数级别转换为规模级别）变量以最大化预测或关联的方式来解决。这被称为最佳缩放，并在 SPSS 中实现（当然，我相信在 R 中）。您可以在 3 个程序之间进行选择，均采用最佳缩放：

• 分类 PCA（CATPCA 或 PRINCALS）。如果您需要 PCA 或因子分析，请使用此选项。该程序本身是 PCA，而不是暗示社区的狭义因素分析。如果您本身需要因子分析，您可以将 CATPCA 中获得的量化变量输入到标准因子分析程序中。确定了独立“资源”变量背后的组成部分或因素并获得了因素得分后，您可以通过序数回归（例如）检查它们对每个因变量的影响。
• 分类典型相关分析（OVERALS）。使用它来绘制由独立和依赖变量集同时加载的潜在“特征”。如果您不熟悉规范相关，您可能想阅读一些有关规范相关的内容。
• 分类回归(CATREG)。如果两组变量中的一组变量只包含一个变量，则这是 OVERALS。如果您想分别模拟自变量对每个因变量的影响，请使用它。它就像通常的线性回归一样，只是因为最优缩放它是非线性的。

一种应用于分类数据的 PCA 是 MCA（多重对应分析），可让您检测数据集中的底层结构。