本文开发并应用贝叶斯方法进行探索性因子分析，该方法改进了特定的经典方法。我们的框架依赖于专用的因素模型，并同时确定因素的数量，将每个测量分配到唯一的因素，以及相应的因素负载。经典的识别标准被应用并集成到我们的贝叶斯过程中，以生成稳定且可清晰解释的模型。蒙特卡洛研究证实了该方法的有效性。该方法用于从高维心理测量集产生可解释的低维聚合。