使用R语言psych包做探索性因子分析时Heywood案例定位求助

Hey，我来帮你解决这个找不到Heywood案例的难题～首先得搞清楚：Heywood案例说白了就是分析里出现了**负的独特性（uniqueness）**或者因子载荷绝对值超过1的情况，用极大似然法（fm="ml"）做斜交旋转时偶尔会碰到这种警告，但默认的fa()输出没把所有细节都列出来，所以你看不到。试试下面这些方法，轻松定位问题变量：

1. 直接查看所有变量的独特性值 #

运行完你的threefactor代码后，在控制台输入这条命令：

threefactor$uniquenesses

这里面找小于0的数值，对应的那个变量就是触发Heywood警告的源头。

2. 显示完整的因子载荷矩阵 #

默认的载荷输出只会展示绝对值超过某个阈值的数值，你可以强制显示所有载荷，看看有没有离谱的（绝对值>1）：

print(threefactor$loadings, cutoff = 0, sort = TRUE)

cutoff=0会把所有载荷值都列出来，异常值一眼就能看到。

3. 查看拟合过程的详细日志 #

如果上面两种方法没找到，你可以重新运行fa()时加上verbose=TRUE，让它输出每一步的迭代细节：

threefactor = fa(data, nfactors = 3, rotate = "oblimin", fm = "ml", verbose = TRUE)

从迭代日志里能看到哪个变量在计算过程中出现了独特性异常。

4. 用fa.stats()做更全面的检查 #

psych包的fa.stats()能给出更细致的EFA统计信息，包括独特性的详细情况：

fa_stats <- fa.stats(threefactor)
fa_stats$uniquenesses

找到问题变量后的小建议 #

一旦定位到那个“调皮”的变量，你可以试试这些处理方式：

• 先检查这个变量的数据有没有异常，比如是不是有大量缺失值或者极端值
• 换个因子提取方法试试，比如把fm="ml"换成fm="pa"（主成分法）或者fm="minres"（最小残差法）
• 调整因子数量，说不定3个因子的设定不太适配你的数据
• 如果以上都不行，考虑移除这个有问题的变量后再重新做分析

内容的提问来源于stack exchange，提问作者Rachel