主成分分析和因子分析的關係是包含與擴展。
當因子分析提取公因子的方法是主成分（矩陣線性組合）時，因子分析結論的前半部分內容就是主成分分析的內容，而因子旋轉是因子分析的專屬（擴展），主成分分析是因子分析（提取公因子方法爲主成分）的中間步驟。
這就是爲什麼很多軟件沒有專門爲主成分分析獨立設計模塊的原因。從應用範圍和功能上講，因子分析法完全能夠替代主成分分析，並且解決了主成分分析不利於含義解釋的問題，功能更爲強大。
大致說來，當需要尋找潛在的因子，並對這些因子進行解釋的時候，更加傾向於使用因子分析，並且藉助旋轉技術幫助更好解釋。而如果想把現有的變量變成少數幾個新的變量（新的變量幾乎帶有原來所有變量的信息）來進入後續的分析，則可以使用主成分分析。當然，這種情況也可以使用因子得分做到。所以這種區分不是絕對的。
應用：
當然，因子分析也往往是預處理技術，例如，在市場研究中我們要進行市場細分研究，往往採用一組量表測量消費者，首先，通過因子分析得到消減變量後的正交的因子（概念），然後利用因子進行聚類分析，而不再用原來的測量變量了！我想這是市場研究中因子分析的主要應用！
其實，你可以想象，例如在多元迴歸分析中，如果多個自變量存在相關性，如果可以用因子分析，得到幾個不相關的變量（因子），再進行迴歸，就解決了自變量共線性問題。（理論上是這樣的，但市場研究很少這麼操作！）
參考： http://shenhaolaoshi.blog.sohu.com/144248157.html
http://staff.ustc.edu.cn/~zwp/teach/MVA/Lec12_slides.pdf
https://www.cnblogs.com/jerrylead/archive/2011/05/11/2043317.html