因子分析与主成分分析的本质区别

两者都是给高维变量降维的方法，但出发点不同。主成分分析（PCA）把原始变量线性组合成按方差递减排序的少数”主成分”，追求保留最大方差；因子分析反过来，假设背后有少数看不见的”公共因子”驱动了变量间错综复杂的相关关系，目标是解释变量为何相关，而非单纯压缩信息。PCA更适合纯粹降维压缩，因子分析更适合探究变量背后的潜在结构，比如从大量关键词反推出真正驱动它们共现的隐藏主题。