这段时间，在琢磨主成分分析和因子分析,体会是：
主成分分析：
1.用较少的变量表示原来的样本；
2.目的是样本数据信息损失最小的原则下，对高维变量进行降维。
3.参数估计，一般是求相关矩阵的特征值和相应的特征向量（主成分分析法），取前几个计算主成分。
4.应用：应用较少变量来解释各个样本的特征（数据降维、综合平价）。

因子分析：
1.用较少的因子表示原来的变量；
2.目的是尽可能保持原变量相互关系(结构)原则下;寻找变量的公共因子。
3.参数估计，指定几个公因子，将其还原成相关系数矩阵，在和原样本相关矩阵最相似（最大似然法）原则下，估计各个公因子的估计值。
4.应用：找到具有本质意义的少量因子来归纳原来变量的特征（因子降维、潜在因子）。

本人是研究算法的，因此可认为：因子分析用最大似然估计法可能反映了数据分析的本质。
最近对我们的DPS中因子分析的最大似然法进行了重大改进，参数估计速度、精度提高了许多，相见：
http://www.chinadps.net/whatsnew1.htm