展开全部
各方差贡献率62616964757a686964616fe59b9ee7ad9431333431356637相加和等于累计方差贡献率。
主成分分析的重点在于解释各变量的总方差，而因子分析则把重点放在解释各变量之间的协方差。
主成分分析中不需要有假设，因子分析则需要一些假设。因子分析的假设包括：各个共同因子之间不相关，特殊因子之间也不相关，共同因子和特殊因子之间也不相关。
主成分分析中，当给定的协方差矩阵或者相关矩阵的特征值是唯一的时候，主成分一般是独特的；而因子分析中因子不是独特的，可以旋转得到不同的因子。
扩展资料：
利用因子分析法分析累计方差贡献率和方差贡献率：
在因子分析中，因子个数需要分析者指定，spss根据一定的条件自动设定，只要是特征值大于1的因子进入分析，而指定的因子数量不同而结果不同。
在主成分分析中，成分的数量是一定的，一般有几个变量就有几个主成分。和主成分分析相比，由于因子分析可以使用旋转技术帮助解释因子，在解释方面更加有优势。
大致说来，当需要寻找潜在的因子，并对这些因子进行解释的时候，更加倾向于使用因子分析，并且借助旋转技术帮助更好解释。
而如果想把现有的变量变成少数几个新的变量新的变量，几乎带有原来所有变量的信息，来进入后续的分析，则可以使用主成分分析。当然，这种情况也可以使用因子得分做到。所以这种区分不是绝对的。
在算法上，主成分分析和因子分析很类似，不过在因子分析中所采用的协方差矩阵的对角元素不再是变量的方差，而是和变量对应的共同度，变量方差中被各因子所解释的部分。
参考资料来源：
