因素分析法根据其分析特点可分为

因素分析法是众多统计学习技术之一，可帮助我们理解影响观测数据的潜在因素。根据其分析特点，因素分析法可分为以下几类：

1.探索性因素分析

探索性因素分析是将多个变量转化为少数几个”因素“，以达到简化数据和揭示潜在结构的目的。其分析特点在于不强制指定因素的数量和组成方式，而是根据变量之间的协方差矩阵，寻找可解释方差比率高的线性组合。

2.确认性因素分析

确认性因素分析则不同，其要指定潜在因素数量和组成方式。此方法的主要用途是验证一种预设的因素结构。其分析特点在于基于实际理论或假设构建因素结构，研究数据是否符合假设的结构以及哪些结构参数可能需要进行调整。

3.结构方程模型（SEM）

结构方程模型可以视为探索性和确认性因素分析的进一步发展。SEM既考虑了因素之间的关系，也考虑了影响其变化的特定变量。其分析特点在于除了寻找潜在结构，还可以估计结构中各个变量之间的关系，并进行偏差校正、不完全数据分析等。

4.领域特定应用

在实际应用中，还有一些领域特定的因素分析方法。例如，在态度和偏好领域中广泛使用的极大似然因素分析和半径最小因素分析，以及乘积-积奇异值分解（PARAFAC）等在计量学和生化学领域才有广泛应用的因素分析方法。