个人认为目的不一样，主因子法（principal factoring）是对变量的相关进行解释，这是stata 默认选项；主成分分析(principal component factoring)集中对变量的方差进行解释，这2种方法都可以忽略次要因子。而你说的迭代因子法应该是迭代公因子方差的主因子法，必须要决定保留多少个因子，以进行重复分析以准确寻找那些因子，往往结果比较稳健；最大似然因子法（maximum-likelihood factoring）是得到单一的最大似然因子，有助于确定合适的因子数目。不过这些都是因子分析的第一步骤，接下来的步骤更关键。