Faktörleştirmede kullanılan bir çok teknik vardır. Temel eksenler (principle axes), maksimum olabilirlik (maximum likelihood) ve çoklu gruplandırma (multiple grouping) teknikleri, klasik faktör analizi teknikleri içinde yer alan üç tekniktir. Temel bileşenler analizi (Principle compenent analysis, PCA) ise, faktörleştirme tekniği olarak çok sık kullanılan bir başka çok değişkenli istatistiktir.
PCA'yı, klasik faktör analizi tekniklerinden ayıran nokta, değişkenlere ait ortak faktör varyanslarının hesaplanmasında temel bileşenler analizinde hata terimi ihmal edilirken, faktör analizinde ortak faktörlerce açıklanmayan ve artık(residul) varyans olarak tanımlanan hata varyansı, modelde dikkate alınır. Yani, n tane değişkene ilişkin toplam varyans temel bileşenler analizinde "m" tane ortak faktörün doğrusal bileşeni ile açıklanabilirken, faktör analizinde ortak faktörlerin açıklayamadıkları bir varyans (hata varyansı) daha söz konusudur. Bu durum, temel bileşenler analizini, klasik faktör çözümlemesinden ayırır. Açıklanamayan varyansın azalması durumunda iki yöntemin sonuçları arasındaki farklılık azalmaktadır ("Quantitive data analysis with SPSS release 10 for Windows: A guide for social scientist",Bryman, A. & Cramer, D., 2001).
(bkz: spss)
(bkz: manova)
