不。在因子分析中，所有变量都是因变量，它们取决于潜在因素（并且还包含测量误差）。虽然经常使用因子分数来代替原始变量，这似乎是一个数据缩减问题，但这正是因子分析的目的。换句话说，与其说“哇，我有很多数据，我无法真正处理和理解；我能想出一个技巧来减少变量吗？”，通常在这种情况下进行因子分析“我不能直接测量一个东西，所以我会尝试不同的方法；我知道我会有很多数据，但这将是已知结构的相关数据，我将能够利用该结构来了解那个东西我无法直接测量”。

您所描述的可以称为多元回归（不要与多元回归混淆，多元回归包含一个因变量和许多解释变量；多元回归在每个单独的回归中有许多因变量和相同的一组解释变量），或典型相关（虽然有一些想象力），或者一个多指标和多原因的结构方程模型，可能是。但是不，这不是因素分析。

为了增加@StasK 的出色回应，我将进一步澄清这个问题确实属于结构方程建模（SEM）的一般范畴。SEM 是一种可用于对协方差结构进行建模的技术，虽然通常与未观察到的或潜在变量一起使用，但它也可以应用于仅具有观察到或明显变量的模型。将 SEM 方法和术语应用于您的问题，D 和 E 将被视为内生变量，而 A、B 和 C 是外生变量。内生表明特定变量的方差由另一个变量解释，而外生表明方差不能由另一个变量（潜在的或明显的）解释。

werner wothke 在此处提供了一些介绍使用 SAS 的 SEM 的好幻灯片。

还可以查找 ed rigdon 讨论各种 SEM 问题的网站（太新，无法链接！）。

回到基础，如果您的目标是了解因子分析，我建议您从应用文本开始，例如 Brown 的应用研究验证性因子分析。