使用psych包做因子分析报错：需提供矩阵型x或x与y

看起来你在处理问卷数据做因子分析时踩了几个常见的坑，我来帮你一步步拆解问题并给出解决方案：

问题根源分析 #

从你的代码和报错信息能看出几个核心问题：

1. 原始变量是因子类型：从str(price_per_d)的输出可知，你的变量都是单水平或分类因子（比如price_per_d只有"Price (daily rate too high)"这一个水平），直接用gsub和as.numeric处理整个数据框是错误的——gsub会把整个数据框转换成一维字符向量，再转数值时非数字字符串自然会生成大量NA，最后fa.parallel因为收到一维向量而非多维数据框/矩阵，就会抛出supply both 'x' and 'y' or a matrix-like 'x'的错误。
2. 变量变异不足：部分变量（比如price_per_d）只有一个有效水平，这类变量方差为0，完全不适合参与因子分析，会干扰分析结果。

修正后的完整步骤 #

1. 先明确数据编码逻辑 #

根据你的变量名（比如price_per_d是“日租价格过高”），推测这些是多选问卷项：选中该选项记为非NA，未选中记为NA。我们需要把这类变量转换成二分数值（1=选中，0=未选中）；如果是李克特量表类的有序因子，则需要提取对应数值。

2. 修正代码实现 #

library(psych)
library(dplyr) # 简化数据处理

# 先查看所有目标变量的结构，确认每个因子的水平
str(zdf_base[, c("price_per_h", "price_per_d", "mileage", "one_way_option", "difficulties", "vehicle_types", "parking_spot","picking_up","availability", "dirty", "returning","refilling", "loalty_programs")])

# 提取需要的变量
Least_appealing <- subset(zdf_base, select=c("price_per_h", "price_per_d", "mileage", "one_way_option", "difficulties", "vehicle_types", "parking_spot","picking_up","availability", "dirty", "returning","refilling", "loalty_programs"))

# 步骤1：剔除无变异的变量（比如只有1个水平的因子）
# 先检查每个变量的水平数
sapply(Least_appealing, function(x) length(levels(x)))
# 把水平数<=1的变量移除
Least_appealing_clean <- Least_appealing[, sapply(Least_appealing, function(x) length(levels(x)) > 1)]

# 步骤2：将因子转换为数值（以二分变量为例：选中=1，未选中=0）
Least_appealing_numeric <- Least_appealing_clean %>%
  mutate_all(~ ifelse(is.na(.), 0, 1))

# 如果你是李克特量表（比如因子水平是"1-非常不满意"这类带数字的），则用下面的代码提取数字：
# library(stringr)
# Least_appealing_numeric <- Least_appealing_clean %>%
#   mutate_all(~ as.numeric(str_extract(as.character(.), "\\d+")))

# 检查转换后的数据结构和摘要，确保没有异常
str(Least_appealing_numeric)
summary(Least_appealing_numeric)

# 现在运行fa.parallel
fa.parallel(Least_appealing_numeric)

关键注意事项 #

• 一定要先检查变量的变异情况：无变异（水平数<=1）的变量必须剔除，否则因子分析无法正常运行。
• 因子转数值的逻辑必须匹配你的问卷设计：如果是多选则转二分，若是有序量表则提取对应分数，不能盲目转换。
• 转换后要检查数据摘要：确保NA都被正确处理，数值范围符合预期。

内容的提问来源于stack exchange，提问作者Papea