多因素分析方法主要包括以下幾種：
多元線性迴歸分析：通過建立多元迴歸模型，將多箇影響因素與目標變量進行迴歸分析，得出各個因素對目標變量的影響程度。
因子分析：通過因子分析，將多箇影響因素轉化爲若干個因子，從而減少變量數量，簡化模型，並分析每個因子對目標變量的影響程度。
結構方程模型：通過建立結構方程模型，將多箇影響因素與目標變量之間的關係用圖形的方式表示出來，從而分析各個因素對目標變量的影響程度。
層次分析法：通過層次分析法，將多箇影響因素劃分爲不同層次，並對每個層次進行權重分配和比較，從而分析各個因素對目標變量的影響程度。
偏相關分析：通過偏相關分析，分析多箇因素之間的相互關係，以及它們對目標變量的影響。
判別分析：通過判別分析，根據多箇因素的特徵，對不同的樣本進行分類。
聚類分析：通過聚類分析，根據多箇因素的特徵，將相似的樣本聚在一起。
典型相關分析：通過典型相關分析，研究兩組變量之間的相關關係。
Logistic迴歸分析：通過Logistic迴歸分析，研究因變量爲分類變量時，多箇自變量對因變量的影響。
Cox迴歸分析：通過Cox迴歸分析，研究多箇因素對生存時間的影響。
以上這些方法都是多因素分析的常用方法，具體使用哪種方法取決於研究的目的和數據的特性。