探索性因子分析法（Exploratory Factor Analysis，EFA）是一種用於找出多元觀測變數本質結構並進行降維的技術。這種方法可以幫助研究者理解複雜數據集中的潛在結構，將具有複雜關係的變數綜合為少數幾個核心因子。EFA的基本思想是通過分析變數間的相關係數矩陣內部結構，利用數學工具將眾多原始變數重新組合成少數獨立的新變數。
在EFA中，因子分析用來確定因子個數並降維。所有公共因子都相關或都不相關，所有公共因子直接影響所有觀測變數，特殊因子之間相互獨立，所有觀測變數只受一個特殊因子的影響，公共因子與特殊因子相互獨立。EFA的主要步驟包括收集觀測變數、判斷是否適合作因子分析、構造相關矩陣、確定因子個數、因子旋轉、提取因子、解釋因子結構以及計算因子得分。
EFA與驗證性因子分析（CFA）是兩種用於檢驗結構效度的方法。EFA常用於當研究者對因子結構沒有特定假設時，依據數據來分析結果；而CFA則常用於當研究者對因子結構有特定假設和理論基礎時。在EFA中，最常使用的估計法是主成分分析法，這種方法以線性方程式將所有變數加以合併，計算所有變數共同解釋的變異量。
總的來說，EFA是一種強大的數據分析工具，能夠幫助研究者理解複雜數據集的潛在結構，將其降維並提取出關鍵因子，以便更好地理解和解釋數據。