例4 ：以心理学数据为例示范探索性因子分析

探索性因子分析常被用于构建结构模型之前对数据进行因子分析。探索性分析可以发现变量之间的关系，提供建立结构、模型的线索，假设检验的设定。PRELIS 提供三种系数估计：未旋转的 ML 估计， VARIMAX 旋转的结果和 PROMAX 旋转的结果。因子的个数可以由用户决定，也可以由程序自选。

关于数据

我们用 Holzinger 和 Swineford (1939)的经典数据集来示范探索性因子分析。在他们的数据集中，收集到芝加哥一所白人中学里 145个 7年级 8年级的学生的问卷测试。我们取其中的 9个项目的测试成绩生成 npv.psf数据集。 前10个被试的观测值如下图所示。

VISPERC 代表视觉敏锐考试的成绩（视觉考试之一）。
CUBES 代表立方体考试的成绩（视觉考试之一）。
LOZENGES是菱形考试的成绩（视觉考试之一）。
PARCOMP 是段落完整性考试的成绩（语文考试之一）。
SENCOMP 是句子完整性考试的成绩（语文考试之一）。
WORDMEAN 是单词意思考试的成绩（语文考试之一）。
ADDITION 是加法考试的成绩（速度考试之一）。
COUNTDOT是数数考试的成绩（速度考试之一）。
SCCAPS 辨别字母考试的成绩（速度考试之一）。

以上9项考试成绩均应按连续性变量处理。