https://www.cnblogs.com/wentingtu/archive/2012/03/03/2377971.html
探索性因子分析
探索性因子分析（Exploratory Factor Analysis，EFA）是一項用來找出多元觀測變量的本質結構、並進行處理降維的技術。 因而EFA能夠將具有錯綜復雜關系的變量綜合為少數幾個核心因子。EFA和PCA的區別在於：PCA中的主成分是原始變量的線性組合，而EFA中的原始變量是公共因子的線性組合，因子是影響變量的潛在變量，變量中不能被因子所解釋的部分稱為誤差，因子和誤差均不能直接觀察到。進行EFA需要大量的樣本，一般經驗認為如何估計因子的數目為N，則需要有5N到10N的樣本數目。