L'analyse factorielle, au sens anglo-saxon du terme (factor analysis) est une méthode de la famille de la statistique multivariée, utilisée pour décrire un ensemble de variables observées, au moyen de variables latentes (non observées). Pour réduire le nombre de variables, la méthode calcule ces variables latentes comme combinaisons linéaires des variables observées. Créée par Charles Spearman, cette méthode est utilisée en psychologie, en sciences humaines et sociales, et plus généralement dans toute discipline faisant face à de grandes quantités de données. L'analyse factorielle donne des résultats souvent proches de l'Analyse en composantes principales (ACP). Cependant, les deux méthodes sont formellement différentes (les matrices de variance-covariance analysées sont différentes). Il y a débat sur les avantages et désavantages respectifs des deux méthodes. En France, la terminologie Analyse factorielle représente une autre famille de méthodes décrite ci-après.Dans le langage des praticiens français, le terme analyse factorielle désigne une famille de méthodes de l'analyse des données, dont fait partie l'ACP1. Dans ces méthodes, on associe aux lignes et aux colonnes d’un tableau de données un nuage de points évoluant dans un espace de grande dimension. Plus précisément, si le tableau présente I lignes et J colonnes et a pour terme général x_{ij} (à l’intersection de la ligne i et de la colonne j), on construit :

le nuage N_I contenant I points (un point représente une ligne) dans un espace à J dimensions noté R^J (une dimension par colonne). Les coordonnées du point i sont les valeurs de la ligne i soit {x_{ij}; j=1, J}. Lorsque J=2, on est en présence du graphique cartésien usuel (dit souvent graphique en x,y). le nuage N_J contenant J points (un point représente une colonne) dans un espace à I dimensions noté R^I (une dimension par ligne). Les coordonnées du point j sont les valeurs de la colonne j soit {x_{ij}; i=1, I}.
L’analyse factorielle (au sens de