它的優缺點是相對主成分分析法而言的

因子分析法與主成分分析法都屬於因素分析法，都基於統計分析方法，但兩者有較大的區別：主成分分析是透過座標變換提取主成分，也就是將一組具有相關性的變數變換為一組獨立的變數，將主成分表示為原始觀察變數的線性組合；而因子分析法是要構造因子模型，將原始觀察變數分解為因子的線性組合。透過對上述內容的學習，可以看出因子分析法和主成分分析法的主要區別為：

(1)主成分分析是將主要成分表示為原始觀察變數的線性組合，而因子分析是將原始觀察變量表示為新因子的線性組合，原始觀察變數在兩種情況下所處的位置不同。

(2)主成分分析中，新變數Z的座標維數j(或主成分的維數)與原始變數維數相同，它只是將一組具有相關性的變數透過正交變換轉換成一組維數相同的獨立變數，再按總方差誤差的允許值大小，來選定q個(q<p)主成分；而因子分析法是要構造一個模型，將問題的為數眾多的變數減少為幾個新因子，新因子變數數m小於原始變數數P，從而構造成一個結構簡單的模型。可以認為，因子分析法是主成分分析法的發展。

(3)主成分分析中，經正交變換的變數係數是相關矩陣R的特徵向量的相應元素；而因子分析模型的變數係數取自因子負荷量，即。因子負荷量矩陣A與相關矩陣R滿足以下關係：

其中，U為R的特徵向量。

在考慮有殘餘項ε時，可設包含εi的矩陣ρ為誤差項，則有R − AAT = ρ。

在因子分析中，殘餘項應只在ρ的對角元素項中，因特殊項只屬於原變數項，因此，的選擇應以ρ的非對角元素的方差最小為原則。而在主成分分析中，選擇原則是使捨棄成分所對應的方差項累積值不超過規定值，或者說被捨棄項各對角要素的自乘和為最小，這兩者是不通的。

它的優缺點是相對主成分分析法而言的

因子分析法與主成分分析法都屬於因素分析法，都基於統計分析方法，但兩者有較大的區別：主成分分析是透過座標變換提取主成分，也就是將一組具有相關性的變數變換為一組獨立的變數，將主成分表示為原始觀察變數的線性組合；而因子分析法是要構造因子模型，將原始觀察變數分解為因子的線性組合。透過對上述內容的學習，可以看出因子分析法和主成分分析法的主要區別為：

(1)主成分分析是將主要成分表示為原始觀察變數的線性組合，而因子分析是將原始觀察變量表示為新因子的線性組合，原始觀察變數在兩種情況下所處的位置不同。

(2)主成分分析中，新變數Z的座標維數j(或主成分的維數)與原始變數維數相同，它只是將一組具有相關性的變數透過正交變換轉換成一組維數相同的獨立變數，再按總方差誤差的允許值大小，來選定q個(q<p)主成分；而因子分析法是要構造一個模型，將問題的為數眾多的變數減少為幾個新因子，新因子變數數m小於原始變數數P，從而構造成一個結構簡單的模型。可以認為，因子分析法是主成分分析法的發展。

(3)主成分分析中，經正交變換的變數係數是相關矩陣R的特徵向量的相應元素；而因子分析模型的變數係數取自因子負荷量，即。因子負荷量矩陣A與相關矩陣R滿足以下關係：

其中，U為R的特徵向量。

在考慮有殘餘項ε時，可設包含εi的矩陣ρ為誤差項，則有R − AAT = ρ。

在因子分析中，殘餘項應只在ρ的對角元素項中，因特殊項只屬於原變數項，因此，的選擇應以ρ的非對角元素的方差最小為原則。而在主成分分析中，選擇原則是使捨棄成分所對應的方差項累積值不超過規定值，或者說被捨棄項各對角要素的自乘和為最小，這兩者是不通的。