主成分分析是因子分析的特例，因为主成分可以看成是潜在因子，则主成分就是因子分析的一个解。为了说明的简单，将主成分分析和因子分析合并，统一用“因子分析”来指代。

因子分析的目标是寻找（探索）潜在因子，因子到底是什么，其实并不知道，要通过因子分析去探索得到。最终结果是得到因子或者得不到因子，得不到因子表示因子分析失败。得到因子后可以计算因子得分，每个因子当成一个维度，则可以在空间中把每个个案显示出来。为了适合人观察，会选取前面两个或者三个因子，个案就可以在二维空间显示。因为空间的维度就是因子，所以基于因子分析得到的空间图的坐标有实际的意义。

对应分析的目标是把行列轮廓在高维空间的图低损失（不失真）的投影到低维空间，方便我们观看轮廓之间的关系。对应分析得到的空间图的坐标不一定有实际意义。在图上可以比较行轮廓（列轮廓）之间的相似性，行（列）轮廓之间距离越近表示越相近，以及行列变量之间占比关系。

多维尺度（Multidimensional Scaling-MDS）分析的目标是将对象间的差异（或相似性）通过图形展示出来，图中两点的距离表示对象差异，距离越远表示两个对象差异越大，距离越近表示两个对象差异越小。空间图的坐标不一定有实际意义。MDS中的“个体差异分析”、“评分分析或Unfolding”不做进一步的说明，因为无实质性意义，所以MDS指代所有的MDS模型。