เปรียบเทียบวิธี

	Bayesian Principal Component Analysis (BPCA)	การวิเคราะห์ปัจจัยเชิงสำรวจ (Exploratory Factor Analysis, EFA)
สาขาวิชา	สถิติศาสตร์	สถิติศาสตร์
ตระกูล	Latent structure	Latent structure
ปีกำเนิด	1999	—
ผู้ริเริ่ม	Christopher M. Bishop	—
ประเภท	Bayesian latent variable / dimension reduction	Latent variable / dimension reduction
แหล่งต้นตำรับ	Bishop, C. M. (1999). Bayesian PCA. In M. S. Kearns, S. A. Solla & D. A. Cohn (Eds.), Advances in Neural Information Processing Systems 11 (pp. 382–388). MIT Press.	Fabrigar, L. R., Wegener, D. T., MacCallum, R. C. & Strahan, E. J. (1999). Evaluating the use of exploratory factor analysis in psychological research. Psychological Methods, 4(3), 272–299.
ชื่อเรียกอื่น	BPCA, Bayesian PCA, probabilistic PCA with Bayesian inference, variational Bayesian PCA	common factor analysis, açımlayıcı faktör analizi, factor analysis
ที่เกี่ยวข้อง	2	4
สรุป	Bayesian principal component analysis embeds probabilistic PCA within a Bayesian framework, placing priors over the loading matrix so that irrelevant components are automatically pruned. It handles missing data naturally and provides principled uncertainty estimates for both the latent scores and the dimensionality of the representation.	Exploratory factor analysis reduces a large set of observed variables into a smaller number of latent common factors. It is widely used in scale development and psychometrics to uncover the dimensional structure that underlies a set of correlated items, without specifying that structure in advance.