如何在R中提取SPSS式Component Score Coefficient Matrix？

方法1：通过psych包的principal函数直接获取 #

你使用的principal函数（来自psych包）返回结果中的$weights字段，就是SPSS里的Component Score Coefficient Matrix。直接调用即可：

library(psych)
pca <- principal(mtcars, nfactors = 2, rotate = "varimax")
# 提取得分系数矩阵
score_coef <- pca$weights
print(score_coef)

方法2：用基础R的prcomp函数实现 #

如果偏好基础R工具，可以通过以下步骤计算：

1. 对数据标准化后执行PCA（SPSS默认标准化变量）
2. 提取载荷矩阵并做varimax旋转
3. 用旋转后的载荷除以对应主成分的标准差，得到得分系数

代码示例：

# 标准化数据后执行PCA
pca_prcomp <- prcomp(mtcars, scale. = TRUE)
# 提取前2个主成分的载荷矩阵
loadings <- pca_prcomp$rotation[, 1:2]
# 执行varimax旋转
rotated_loadings <- varimax(loadings)$loadings
# 计算得分系数
score_coef_prcomp <- t(t(rotated_loadings) / pca_prcomp$sdev[1:2])
print(score_coef_prcomp)

手动计算原理 #

SPSS的主成分得分系数矩阵本质是标准化变量与主成分的回归系数，核心逻辑：

• 先对原始变量做标准化处理（均值为0，方差为1）
• 计算主成分载荷矩阵（变量与主成分的相关系数）
• 对载荷矩阵执行指定旋转（如varimax）
• 将旋转后的载荷除以对应主成分的标准差（即特征值的平方根），得到最终系数

手动计算的补充代码：

# 基于特征值的计算方式
eigen_vals <- pca_prcomp$sdev^2  # 获取特征值
score_coef_manual <- t(t(rotated_loadings) / sqrt(eigen_vals[1:2]))

内容的提问来源于stack exchange，提问作者C.F.