同样一组数据，我用spss、matlab、R中的princomp函数和vegan程序包中的rda函数多种计算方法做主成分分析，结果竟然不一样。我仔细看了下，特征值和贡献率都一样，问题出在因子载荷和得分系数上。我会给出原始数据，希望高手用自己熟悉的软件帮忙计算下啊，如果能同时用多个软件计算就更好了。实在感激不尽。本人新手，金币实在不多。

首先看因子载荷。以spss结果为准，princomp函数的PC2值刚好与spss结果为相反数；matlab的PC1结果与SPSS结果为相反数，rda函数与spss结果接近，数值有所差异。

因子载荷图

R princompR rdamatlabSPSS

Comp.1Comp.2PC1PC2

氯0.65-0.01-1.010.020.650.01-0.650.01

硫化氢-0.39-0.490.620.68-0.390.490.390.49

二氧化碳-0.280.220.44-0.30-0.28-0.220.28-0.22

碳40.39-0.47-0.610.650.390.47-0.390.47

环氧氯丙烷-0.45-0.220.700.31-0.450.220.450.22

环己烷0.06-0.67-0.100.930.060.67-0.060.67其次看得分值。得分值的情况与因子载荷一样。由于得分值不同，最后计算的总分值也就不同了。

得分R princompR rdamatlabSPSS

Comp.1Comp.2PC1PC2PC1PC2PC1PC2

1-0.071.240.04-0.84-0.06-1.160.07-1.18

2-0.362.860.21-1.92-0.34-2.670.34-2.66

3-1.80-1.581.071.06-1.691.481.691.49

4-2.32-0.611.380.41-2.170.572.190.56

52.81-1.06-1.680.712.631.00-2.650.99

60.530.08-0.31-0.050.49-0.08-0.5-0.06

70.07-0.79-0.040.530.060.74-0.060.75

81.14-0.14-0.680.091.070.13-1.080.11

但是我不清楚问题出在哪里啊。

以下是每个方法的过程，请诸位看看：

R princomp函数：

mydata

mydata.pr

mydata.pr$loadings[,1:2]

mydata.pr$scores[,1:2]

R rda函数：

rawdata

mydata.pca=rda(rawdata,scale=T)

summary(mydata.pca)

matlab：data为原始数据

sddata=zscore(data);%将数据进行标准化

[coeff,score,latent,tsquare,explained]=pca(sddata)

spss略。

原始数据很简单：氯硫化氢二氧化碳碳4环氧氯丙烷环己烷

site 10.0560.0840.0310.0380.0080.022

site 20.0490.0550.10.110.0220.007

site 30.0380.130.0790.170.0580.043

site 40.0340.0950.0580.160.20.029

site 50.0840.0660.0290.320.0120.041

site 60.0640.0720.10.210.0280.038

site 70.0480.0890.0620.260.0380.036

site 80.0690.0870.0270.250.0450.021