Lo primero comentar que son dos métodos muy similares que se utilizan para reducir la dimensionalidad en los conjuntos de datos, mediante el análisis de asociaciones lineales entre las variables.

La primera diferencia viene es en cuanto a la terminología aplicada, en el análisis factorial las variables resultantes se las denominan factores y en el análisis de componentes principales se las denomina componentes.

La segunda diferencia tiene que ver con la varianza de las variables. el análisis factorial distingue entre dos tipos de varianza, por un lado varianza común que es la parte de la variación de la variable que es compartida con las otras variables y la varianza única que es la parte de la variación de la variable que es propia de esa variable. Por el contrario el análisis de componentes principales (PCA) no hace esa distinción entre los dos tipos de varianza, sino que se centra en la varianza total.

La tercera diferencia viene dada por que el análisis de componentes principales busca encontrar combinaciones lineales de las variables originales que expliquen la mayor parte de la variación total, mientras que el análisis factorial busca un nuevo conjunto de variables, con un menor en número que represente lo que es común a esas variables.