这个 m 文件通过 R 相关矩阵（没有数据矩阵）、潜根准则、迭代收敛准则处理迭代主因子方法（主轴因子分解），并使用最大因子旋转。 它适用于公共性和因子载荷的迭代解决方案。 在迭代 i 中，来自前一次迭代的公共性被放置在 R 的对角线上，所得的 R 表示为 Ri。 对 Ri 进行特征分析并估计新的变量公共性。 迭代继续，直到公共估计的最大变化小于收敛标准（默认为 0.001），给出达到的迭代次数； 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。
根据 Rencher (2002)，有四种估计载荷和公共性的方法： (1) 主成分法； (2) 主因子法； (3) 迭代主因子法，和 (4) 最大似然法。 两种最流行的参数估计方法是主成分和最大似然法。 两种方法的解都可以旋转，以简化对因子的解释。 尝试不止一种解决方法总是谨慎的。
可以使用因子分析的一些目的是 (1)
