因子分析（EFA）和主成分分析（PCA）学习

主成分简介

降维，将大量相关变量转化为一组很少的不相关变量，根据我搜索的结果，当变量间的相关性高达85%以上的才可以使用主成分分析，得到不相关的很少个新变量。

总之

1.最终的新变量（主成分）的旧变量的线性组合（形成的线性组合的权重是通过最大化各主成分所解释的方差来获得）
2.最终的主成分之间没有相关性
3.变量之间必须有高度相关才可以

因子分析简介

因子分析探求变量之间的共同决定因素，就是把变量最终拆分成各种因子的线性组合。

R语言中的主成分和因子分析

基础包

princomp（）  #PCA函数
factanal（） #EFA函数

psych包
(1)包的下载和载入

Install.packages('psych')
library(psych)

（2）包的函数简介

principal()  #主成分分析（包含各种方差旋转方法）
fa()  #因子分析（主轴、最小残差、加权最小平方或最大似然估计）
fa.parallel() #平行分析的碎石图
factor.plot() # 绘制因子分析或主成分分析的结果
fa.diagram() #绘制因子分析或主成分分析的载荷矩阵
scree() #因子分析和主成分分析的碎石图

你可能听不懂里面专有名词的意思

碎石图（碎石