主成分分析是設法將原來眾多具有壹定相關性（比如P個指標），重新組合成壹組新的互相無關的綜合指標來代替原來的指標。因子分析是研究如何以最少的信息丟失，將眾多原始變量濃縮成少數幾個因子變量，以及如何使因子變量具有較強的可解釋性的壹種多元統計分析方法。
主成分分析，是考察多個變量間相關性壹種多元統計方法，研究如何通過少數幾個主成分來揭示多個變量間的內部結構，即從原始變量中導出少數幾個主成分，使它們盡可能多地保留原始變量的信息，且彼此間互不相關.通常數學上的處理就是將原來P個指標作線性組合，作為新的綜合指標。
主成分分析和因子分析的不同：
1、原理不同：
主成分分析是利用降維(線性變換)的思想，在損失很少信息的前提下把多個指標轉化為幾個不相關的綜合指標(主成分)，即每個主成分都是原始變量的線性組合，使得主成分比原始變量具有某些更優越的性能，從而達到簡化系統結構，抓住問題實質的目的。
而因子分析更傾向於從數據出發，描述原始變量的相關關系，是由研究原始變量相關矩陣內部的依賴關系出發，把錯綜復雜關系的變量表示成少數的公***因子和僅對某壹個變量有作用的特殊因子線性組合而成。
2、線性表示方向不同：
主成分分析中是把主成分表示成各變量的線性組合，而因子分析是把變量表示成各公因子的線性組合。
3、假設條件不同：
主成分分析不需要有假設條件；而因子分析需要壹些假設。因子分析的假設包括：各個***同因子之間不相關，特殊因子之間也不相關，***同因子和特殊因子之間也不相關。