总的来说，主成分是原指标变量的合成，因子是对原指标变量的分解，所以因子内容比主成分内容单纯，因子的社会经济含义比较易明确。

1.原理不同

主成分分析基本原理：利用降维（线性变换)的思想，在损失很少信息的前提下把多个指标转化为几个不相关的综合指标（主成分),即每个主成分都是原始变量的线性组合,且各个主成分之间互不相关,使得主成分比原始变量具有某些更优越的性能（主成分必须保留原始变量85%以上的信息），从而达到简化系统结构，抓住问题实质的目的。

因子分析基本原理：利用降维的思想，由研究原始变量相关矩阵内部的依赖关系出发，把一些具有错综复杂关系的变量表示成少数的公共因子和仅对某一个变量有作用的特殊因子线性组合而成。就是要从数据中提取对变量起解释作用的少数公共因子（因子分析是主成分的推广，相对于主成分分析，更倾向于描述原始变量之间的相关关系）

2、构造新指标的方式不同

主成分分析将主成分表示为原指标变量的线性组合，是原指标变量的一种表现。

因子分析将原指标变量表示为因子的线性组合加上一个随机变量。

3、系数的意义不同

主成分系数表示原指标变量在主成分中的信息量的大小，而因子系数表示第i个原指标变量依赖于第j个公因子的程度。

4、算法上的不同

主成分分析：协方差矩阵的对角元素是变量的方差；

因子分析：所采用的协方差矩阵的对角元素不在是变量的方差，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）

5、模型类型不同等。