探索性因子分析法是一项用来找出多元观测变量的本质结构、并进行处理降维的技术。因而，EFA能够将具有错综复杂关系的变量综合为少数几个核心因子。对于主因子分析法来说，不存在异常值、等距值、线形值、多变量常态分配以及正交性等情况。在运用EFA法的时候，可以借助统计软件(如SPSS统计软件或SAS统计软件)来进行数据分析。
典型的EFA流程是什么?
1、辨认、收集观测变量。
2、获得协方差矩阵(或Bravais-Pearson的相似系数矩阵)
3、验证将用于EFA的协方差矩阵(显著性水平、反协方差矩阵、Bartlett球型测验、反图像协方差矩阵、KMO测度)。
4、选择提取因子法(主成分分析法、主因子分析法)。
5、发现因素和因素载荷。因素载荷是相关系数在可变物(列在表里)和因素(专栏之间在表里)。
6、确定提取因子的个数(以Kaiser准则和Scree测试作为提取因子数目的准则)。
7、解释提取的因子(例如，在上述例子中即解释为“潜在因子”和“流程因子”)。
