该 m 文件通过完整的数据矩阵、潜在根准则处理因子模型的主成分解，并使用最大方差因子旋转。 可选地，它还给出了残差矩阵，这是原始相关性与因子模型的相关性结构之间差异的结果。
因子分析的目的是根据一些称为因子的潜在且不可观察的随机量来尽可能描述许多变量之间的协方差关系。 它可以被认为是主成分分析的扩展，但它的近似更精细。 因子模型假设具有 p 个分量的 X 可观察随机向量线性依赖于一些不可观察的随机变量 F_1,F_2,...,F_m，称为公因子，以及 p 个额外的变异源 e_1,e_2,... ,e_m，称为错误或特定因素（该特定 X_i 独有的组件，其他 X 不共享）。 所以，模型是：
X_1 = b_11*F_1 + b_12*F_2 + ...+ b_1m*F_m + e_1 X_2 = b_21*F_1 + b_22*F_2 + ...+ b_2m*F_m + e_2 . .
