A.每个主成分都是所有原始变量的线性组合，且各变量的系数大小没有明确的分界线，故很难对每个主成分的含义做出解释； B.每个主成分都是原始变量的线性组合，各主成分之间相互独立； D.因子分析中，由于使用了因子旋转技术而使得因子得到更好的解释，但是对于主成分来说却很难表示出其明确的含义

正确答案是：C. 因子分析需要假设各公因子之间互不相关，特殊因子之间也不相关，公因子和特殊因子之间也不相关；但是主成分分析不需要任何假设。

### 专业分析：

**主成分分析（PCA）**和**因子分析（FA）**是两种常用的降维技术，但它们有不同的假设和应用场景。

1. **主成分分析（PCA）**：
- **目的**：通过线性组合将原始变量转换为少数几个主成分，尽量保留数据的方差。
- **主成分**：每个主成分都是原始变量的线性组合，主成分之间是相互正交（即不相关）的。
- **假设**：不需要对数据进行任何特定的假设。
- **解释**：主成分的解释通常基于变量在主成分上的载荷（系数），但有时可能不具有明确的实际意义。

2. **因子分析（FA）**：
- **目的**：通过提取公共因子来解释变量之间的相关性结构，假设观测变量是由潜在的少数几个因子（公因子）和特殊因子共同决定的。
- **假设**：需要假设各公因子之间互不相关，特殊因子之间也不相关，公因子和特殊因子之间也不相关。
- **解释**：因子通常可以通过旋转技术（如Varimax旋转）获得更具解释性的结构。

### 具体分析选项：

A. **错误**。每个主成分都是所有原始变量的线性组合，而不是只包含部分原始变量。

B. **错误**。主成分之间是正交的，因此它们是互不相关的。

C. **正确**。因子分析需要假设公因子和特殊因子之间互不相关，而主成分分析不需要这些假设。

D. **错误**。虽然解释主成分和因子可能具有一定的挑战性，但通过适当的方法（如旋转），因子通常可以获得较好的解释。

综上所述，选项C是正确的。