因子分析最少要有几个因子_13. 主成分分析（PCA）与因子分析（EFA或CFA）的关键逻辑区别...

假如有5个观测变量，分别是X1到X5。主成分分析中的主成分变量（简写为PC）和探索式因子分析EFA（或SEM中的CFA）中的因子变量（factor，简写为F）都是将原来的5个观测变量X整合成了少于原有的5个的新变量，可以说都是数据中多变量的整理、简化。

因此二者有相似之处，但却走向了完全不同的方向，可以说是一个向左一个向右。

从下面PCA与EFA的概念图可以看出，明显区别是：PCA中的箭头是从观测值的X1到X5指向了PC1和PC2。而EFA（或CFA）中，箭头是从因子F1、F2指向了X1到X5！

所以：

在PCA中，每个主成分（或叫主成分变量更好理解）PC是由观测变量X整合出来的，即PC是观测变量X的线性组合：

而在EFA（或CFA）中，与之相反，观测变量X是因子变量F的线性组合：

此处写的有多个因子，当然更可能的是一个观测变量X只有一个因子变量F来解释它！

因此，这就是二者的逻辑，也就是为什么在含有隐变量的结构方程模型（SEM）中，箭头要从隐变量指向观测变量，因为其中的隐变量就是EFA（SEM中主要是CFA）中的因子factor变量（即这里的F变量）。