R语言使用psych包的fa函数对指定数据集进行因子分析（输入数据为相关性矩阵）、使用nfactors参数指定抽取的因子的个数、fa函数因子分析结果解读（Extracting common facto

R语言使用psych包的fa函数对指定数据集进行因子分析（输入数据为相关性矩阵）、使用nfactors参数指定抽取的因子的个数、fa函数因子分析结果解读（Extracting common factors）

目录

R语言使用psych包的fa函数对指定数据集进行因子分析（输入数据为相关性矩阵）、使用nfactors参数指定抽取的因子的个数、fa函数因子分析结果解读（Extracting common factors）

#主成分分析（principle component analysis）和因子分析(exploratory factor analysis)

#主成分分析（principle component analysis）和因子分析(exploratory factor analysis)的关系是什么？

#R语言使用psych包进行主成分分析PCA和探索性因子分析EFA的常用函数介绍：principal、fa、fa.parallel、factor.plot、fa.diagram、scree

#R语言进行主成分分析PCA和探索性因子分析EFA的常用步骤：准备资料、选择因子模型、提取多少主成分/因子、提取主成分或者因子、旋转主成分或者因子、数据结果解读、计算主成分或因子得分

 #仿真数据

#R语言使用psych包进行探索性因子分析EFA、使用cov2cor函数将原始数据的协方差矩阵将其转换为相关性矩阵（ covariance matrix transform into correlation matrix、Exploratory factor analysis）

 #R语言使用psych包的fa.parallel函数使用平行分析方法分析数据集应该抽取多少主成分（输入数据为原始数据），Kaiser-Harris标准，scree测试和平行分析、可视化碎石图（肘部法）、显示y=1的水平线（特征值大于1才有意义）、从100个相同形状的随机数据矩阵导出的平均特征值

#R语言使用psych包的principal函数对指定数据集进行主成分分析PCA进行数据降维（输入数据为原始数据）、使用nfactors参数指定抽取的主成分的个数、principal函数结果解读

 #R语言使用psych包的principal函数对指定数据集进行主成分分析PCA进行数据降维（输入数据为相关性矩阵）、自定义主成分旋转参数rotate、使用nfactors参数指定抽取的主成分的个数、principal函数主成分旋转结果解读（Rotating principal components）

#R语言使用psych包的fa.parallel函数使用平行分析方法分析数据集应该抽取多少主成分、多少因子（输入数据为相关性矩阵），Kaiser-Harris标准，scree测试和平行分析、可视化碎石图（肘部法）、显示y=0的水平线（对于因子分析，特征值大于0才有意义）、从100个相同形状的随机数据矩阵导出的平均特征值 （Deciding how many common factors to extract）

#R语言使用psych包的fa函数对指定数据集进行因子分析（输入数据为相关性矩阵）、使用nfactors参数指定抽取的因子的个数、fa函数因子分析结果解读（Extracting common factors）

---

#主成分分析（p