R包含了其他许多对因子分析非常有用的软件包。 FactoMineR包不仅提供了 PCA 和 EFA 方法，还包含潜变量模型。它有许多此处我们并没有考虑的参数选项，比如数值型变量和类别型变量的使用方法
FAiR 包使用遗传算法来估计因子分析模型，它增强了模型参数估计能力，能够不等式的约束条件 GPArotation 包则提供了许多因子旋转方法。最后，还有 nFactors包，它提供了涌过来判断因子数目的许多复杂方法
其他潜变量模型EFA 只是统计中一种应用广泛的潜变量模型。R中还有其他的潜变量模型，包括检验先验知识的模型，处理混合数据类型（数值型和类别型）的模型，以及仅基于类别型多因素表的模型。
在EFA中，可用数据来判断需要提取的因子数以及含义。但可从一些先验知识开始，比如变量背后有几个因子、变量在因子上的载荷是怎么样的、因子间的相关性如何，然后通收集数据检验这些先验知识。这种方法称作 验证性因子分析（CFA）
CFA 是结构方程模型（SEM）中的一种方法。SEM 不仅可以假定潜在因子的数目以及组成，还能假定因子间的影响方式。可将 SEM 看做是验证性因子分析（对变量）和回归分析（对因子）的组合，它的结果输出包含统计检验和拟合度的指标。 R中有几个可做 CFA 和 SEM 的非常优秀的软件包，如 sem、openMx 和 lavaan。
ltm 包可用量来拟合测验和问卷众各项目的潜变量模型。该方法常用来创建大规模标准测试，比如学术能力测验（SAT）和美国研究生入学考试（GRE）
潜类别模型（潜在的因子被认为是类别型而非连续型）可通过 FlexMix、lcmm、randomLCA和poLCA包进行拟合。lcda包可做潜类别判别分析，而 lsa 可做潜在予语义分析--一种能够自然语言处理中的方法
ca 包提供了可做简单和多重对应分析的函数。利用这些函数，可分别在二维列联表和多维列联表中探索类别型变量的结构。
最后，R中还包括了众多的多维标度法（MDS）计算工具。所谓 MDS ，即可用来发现解释相似性和可测对象（如国家）间距离的潜在维度。基础安装包中的 cmdscale（）函数可做经典的MDS，而 MASS 包中的 isoMDS() 函数可做非线性 MDS 。vagan 包则包含了可做两种 MDS 的函数
转载于:https://my.oschina.net/u/1785519/blog/1563572
