主因子分析（Varimax旋转+回归得分）获取第5受访者Q79因子值的R脚本问题

原脚本的核心问题 #

• 重复读取数据：在RapidMiner的rm_main函数里，输入数据已经通过data参数传进来了，没必要再用read_excel读取本地文件，这会覆盖传入的数据集，直接打乱逻辑。
• 变量选得不对：原脚本取了前38列，但我们要的是Q79组的q79_1到q79_6，得精准筛选这几列。
• 计算逻辑完全错了：loadings %*% factors根本没必要，因子得分factor_scores就是我们要的结果，直接提第5行就行。
• 没处理数据类型：没确认Q79变量是不是数值型，因子分析必须用数值数据。

修正后的R脚本 #

rm_main = function(data) {
  # 加载所需包（建议先在RapidMiner的R环境里装好psych包）
  library(psych)
  
  # 1. 精准筛选Q79组变量：匹配q79_1到q79_6
  q79_data <- data[, grepl("^q79_\\d$", colnames(data))]
  
  # 2. 强制转成数值型，避免字符/因子类型搞砸分析
  q79_data <- as.data.frame(lapply(q79_data, as.numeric))
  
  # 3. 主因子分析：按要求设置参数
  fa_result <- fa(q79_data, 
                  nfactors = 3, 
                  rotate = "varimax", 
                  scores = "regression",
                  fm = "pa")  # 明确指定主因子分析方法（psych默认是最小残差，pa才是主因子）
  
  # 4. 提取第5位受访者的3个因子得分
  fifth_respondent_scores <- fa_result$scores[5, ]
  
  # 5. 返回数据框给RapidMiner，方便直接查看结果
  return(as.data.frame(fifth_respondent_scores))
}

关键修正说明 #

• 适配RapidMiner数据传入逻辑：全程用RapidMiner传进来的data参数，不再本地读文件，保证和流程里的数据源一致。
• 精准选变量：用正则表达式匹配列名，就算列位置变了也能准确找到Q79组变量。
• 明确主因子方法：加了fm = "pa"，确保用的是主因子分析，不是默认的最小残差法。
• 结果友好返回：把因子得分转成数据框返回，在RapidMiner里能直接看到表格形式的结果，不是只在控制台打印。
• 数据类型兜底：强制转数值型，避免非数值数据导致分析报错。

在RapidMiner里看结果的步骤 #

1. 把修正后的脚本放进RapidMiner的Execute R算子里。
2. 上游用Read Excel算子加载你的Q79数据，连到Execute R的输入端口。
3. 运行流程后，把Execute R的输出连到Result端口，就能在结果面板里看到第5位受访者的3个因子值了。

内容的提问来源于stack exchange，提问作者Ali sh