主成分分析与因子分析在R中的应用

1 主成分分析和因子分析比较

主成分分析与探索性因子分析作为两种常用技术手段，常被用于揭示并简化多变量之间的复杂关联，二者既存在内在联系，也具有明显差异。

主成分分析（PCA）属于一种数据降维技术，其核心功能在于将众多具有相关性的变量转换为少量相互独立的变量，这些独立变量即为主成分。例如，在实际应用中，PCA可以将30个可能存在冗余关系的环境变量提炼为5个彼此无关的成分变量，同时最大限度地保留原始数据集所包含的信息。

相比之下，探索性因子分析（EFA）则是一类旨在揭示一组观测变量背后潜在结构的技术体系。该方法通过识别更少数量的隐藏因素或潜在结构，对已观测到的显性变量之间的关系进行解释。

](http://photo.blog.sina.com.cn/showpic.html#blogid=8d40485a0102vncn&url=http://album.sina.com.cn/pic/002Anrjczy6UGNCxMsC66)

通过上图可以发现，主成分（即PC1与PC2）是由观测变量（X1至X5）构成的线性组合。这种组合中所