因子分析的方法主要包括以下幾種：
探索性因子分析：這是一種預處理步驟，用於從變數群中提取共性因子，後續可能結合回歸分析、聚類分析等具體研究目的進行分析。探索性因子分析不事先假定因子與測度項之間的關係，而是讓數據「自己說話」。
驗證性因子分析：這是一種研究方法，用於測量因子與測量項（量表題項）之間的對應關係是否與研究者預測保持一致。驗證性因子分析假定因子與測度項的關係是部分知道的，即哪個測度項對應於哪個因子，儘管我們尚且不知道具體的係數。
主成分分析：這是一種因子分析的方法，目的與因子分析不同，它不是抽取變數群中的共性因子，而是將變數進行線性組合，成為互為正交的新變數，以確保新變數具有最大的方差。
重心法：這是一種因子分析的方法，通過計算變數的重心來提取因子。
影像分析法：這是一種因子分析的方法，通過計算變數的影像來提取因子。
最大似然解：這是一種因子分析的方法，通過計算變數的最大似然值來提取因子。
最小平方法：這是一種因子分析的方法，通過計算變數的最小平方法來提取因子。
阿爾法抽因法：這是一種因子分析的方法，通過計算變數的阿爾法抽因值來提取因子。
拉奧典型抽因法：這是一種因子分析的方法，通過計算變數的拉奧典型抽因值來提取因子。
以上方法本質上大都屬近似方法，是以相關係數矩陣為基礎的，所不同的是相關係數矩陣對角線上的值，採用不同的共同性□2估值。在社會學研究中，因子分析常採用以主成分分析為基礎的反覆法。