Факторный анализ не присваивается объекту

Question

Я выполняю исследовательский факторный анализ и указываю, что результаты факторного анализа загружаются в f2.

Мой код ниже. Первая строка запускается, но когда я запускаю следующую строку кода, где я ссылаюсь на f2, я получаю сообщение "объект 'f2' не найден".

Так что как-то назначение не работает. Я что-то упускаю действительно очевидное? Факторный анализ использует психический пакет. Я проверил документацию и примеры, которые они дают, присваивают результаты факторного анализа объектам аналогичным образом, поэтому я немного озадачен. Любые указатели будут с благодарностью.

f2 <- fa(MDI, nfactors = 30, n.obs = 286, rotation = "promax", min.err = 0.001, 
         fm = "wls", cor = "poly")
load = loadings(f2)
print(load, sort = TRUE, digits = 2, cutoff = 0.001)                   
plot(load)                                                                      
identify(load, labels = names(MDI))    
plot(f2, labels = names(MDI))

Ниже приведен вывод корреляционной матрицы, чтобы ее можно было воспроизвести.

> dput(MDI)
structure(list(X = structure(c(1L, 12L, 23L, 25L, 26L, 27L, 28L, 
29L, 30L, 2L, 3L, 4L, 5L, 6L, 7L, 8L, 9L, 10L, 11L, 13L, 14L, 
15L, 16L, 17L, 18L, 19L, 20L, 21L, 22L, 24L), .Label = c("mdi1", 
"mdi10", "mdi11", "mdi12", "mdi13", "mdi14", "mdi15", "mdi16", 
"mdi17", "mdi18", "mdi19", "mdi2", "mdi20", "mdi21", "mdi22", 
"mdi23", "mdi24", "mdi25", "mdi26", "mdi27", "mdi28", "mdi29", 
"mdi3", "mdi30", "mdi4", "mdi5", "mdi6", "mdi7", "mdi8", "mdi9"
), class = "factor"), mdi1 = c(1, 0.3936173, 0.4689895, 0.3723157, 
0.5000249, 0.4007723, 0.4752565, 0.3299713, 0.4467554, 0.3092035, 
0.4587867, 0.3502716, 0.4765846, 0.4296331, 0.4279444, 0.3978138, 
0.3130349, 0.4217768, 0.4217768, 0.3941672, 0.442678, 0.4143811, 
0.4883476, 0.3818616, 0.4253592, 0.4220679, 0.3341886, 0.2904774, 
0.4125257, 0.471747), mdi2 = c(0.3936173, 1, 0.5687221, 0.5503958, 
0.3579519, 0.5524491, 0.4113922, 0.5692459, 0.5244077, 0.4519596, 
0.4691271, 0.3328134, 0.3909096, 0.5207473, 0.517872, 0.4460308, 
0.5357907, 0.5271745, 0.5656711, 0.6416844, 0.5933588, 0.5301733, 
0.4632707, 0.3692169, 0.3899222, 0.6722428, 0.571866, 0.4770556, 
0.4447538, 0.4801506), mi3 = c(0.4689895, 0.5687221, 1, 0.5337568, 
0.4605771, 0.5801225, 0.4748034, 0.5027398, 0.6493962, 0.4371995, 
0.4814276, 0.5174168, 0.4575024, 0.5161417, 0.7302354, 0.443922, 
0.4503891, 0.6403537, 0.4638545, 0.5755256, 0.6559644, 0.5669309, 
0.4882669, 0.540937, 0.4305827, 0.6208696, 0.5774123, 0.4337106, 
0.5007241, 0.5812161), mdi4 = c(0.3723157, 0.5503958, 0.5337568, 
1, 0.4647914, 0.5432398, 0.5222107, 0.480119, 0.5095777, 0.6127156, 
0.5411, 0.3438971, 0.5132041, 0.4708869, 0.5773365, 0.640864, 
0.5419371, 0.4278067, 0.4294387, 0.5762886, 0.6173602, 0.696368, 
0.4768973, 0.4312955, 0.4800561, 0.4966285, 0.4940535, 0.6449681, 
0.4448795, 0.4511662), mdi5 = c(0.5000249, 0.3579519, 0.4605771, 
0.4647914, 1, 0.529076, 0.4627546, 0.4322669, 0.5266816, 0.4193437, 
0.5274925, 0.355744, 0.4748984, 0.3943626, 0.5452649, 0.4282942, 
0.3884295, 0.4405988, 0.5013351, 0.4372788, 0.5033538, 0.449599, 
0.4719872, 0.5221968, 0.4572666, 0.478281, 0.4474777, 0.436465, 
0.6423572, 0.5367758), mdi6 = c(0.4007723, 0.5524491, 0.5801225, 
0.5432398, 0.529076, 1, 0.5481986, 0.5292259, 0.554901, 0.5197566, 
0.6618723, 0.7776074, 0.5538152, 0.5513789, 0.6005339, 0.5479274, 
0.5154317, 0.7863542, 0.5508043, 0.6893594, 0.5754793, 0.6092226, 
0.5590816, 0.7415316, 0.5702535, 0.7306869, 0.6161738, 0.5381451, 
0.5487092, 0.7739138), mdi7 = c(0.4752565, 0.4113922, 0.4748034, 
0.5222107, 0.4627546, 0.5481986, 1, 0.4208138, 0.5818144, 0.5123467, 
0.5154297, 0.5182619, 0.6342495, 0.5054629, 0.5154232, 0.550466, 
0.4921495, 0.4687262, 0.4268752, 0.56955, 0.5046245, 0.5563658, 
0.544639, 0.4961694, 0.6133689, 0.5084869, 0.4299369, 0.5220904, 
0.4294706, 0.4739928), mdi8 = c(0.3299713, 0.5692459, 0.5027398, 
0.480119, 0.4322669, 0.5292259, 0.4208138, 1, 0.5723092, 0.3119612, 
0.4675261, 0.3380419, 0.353584, 0.4541021, 0.5421594, 0.474245, 
0.6079999, 0.5235899, 0.5335896, 0.4957257, 0.5442768, 0.4974862, 
0.5023641, 0.4025193, 0.4116167, 0.5727691, 0.6270551, 0.4208924, 
0.5064872, 0.4869765), mdi9 = c(0.4467554, 0.5244077, 0.6493962, 
0.5095777, 0.5266816, 0.554901, 0.5818144, 0.5723092, 1, 0.490689, 
0.5181651, 0.4850319, 0.5356553, 0.6158338, 0.6559043, 0.5307519, 
0.5871398, 0.5846594, 0.5470594, 0.6284931, 0.6879265, 0.6163574, 
0.512804, 0.5047779, 0.5466345, 0.613476, 0.5883362, 0.506302, 
0.4979364, 0.5808664), mdi10 = c(0.3092035, 0.4519596, 0.4371995, 
0.6127156, 0.4193437, 0.5197566, 0.5123467, 0.3119612, 0.490689, 
1, 0.5118569, 0.4462334, 0.4532171, 0.4315306, 0.4522421, 0.7588315, 
0.4401081, 0.4350122, 0.4499751, 0.5206525, 0.5352926, 0.6998865, 
0.4755847, 0.4100334, 0.4787971, 0.453012, 0.4734884, 0.7813307, 
0.535401, 0.4395691), mdi11 = c(0.4587867, 0.4691271, 0.4814276, 
0.5411, 0.5274925, 0.6618723, 0.5154297, 0.4675261, 0.5181651, 
0.5118569, 1, 0.5527827, 0.501612, 0.5149324, 0.540138, 0.5069535, 
0.528538, 0.579202, 0.5901564, 0.5299329, 0.5250493, 0.5154014, 
0.5127527, 0.5788864, 0.5161334, 0.507289, 0.5158013, 0.5344951, 
0.5978617, 0.647102), mdi12 = c(0.3502716, 0.3328134, 0.5174168, 
0.3438971, 0.355744, 0.7776074, 0.5182619, 0.3380419, 0.4850319, 
0.4462334, 0.5527827, 1, 0.5154903, 0.4620118, 0.472202, 0.4547294, 
0.4840607, 0.8285936, 0.5358637, 0.5490359, 0.4616615, 0.4249117, 
0.4808445, 0.7267043, 0.552395, 0.5925844, 0.4751664, 0.3929154, 
0.4023344, 0.6972608), mdi13 = c(0.4765846, 0.3909096, 0.4575024, 
0.5132041, 0.4748984, 0.5538152, 0.6342495, 0.353584, 0.5356553, 
0.4532171, 0.501612, 0.5154903, 1, 0.517566, 0.5669901, 0.4811508, 
0.4159442, 0.5916418, 0.5317423, 0.6019275, 0.5150589, 0.6103914, 
0.7036702, 0.5396378, 0.7106897, 0.5663952, 0.4743636, 0.5357141, 
0.4997759, 0.5310849), mdi14 = c(0.4296331, 0.5207473, 0.5161417, 
0.4708869, 0.3943626, 0.5513789, 0.5054629, 0.4541021, 0.6158338, 
0.4315306, 0.5149324, 0.4620118, 0.517566, 1, 0.5294991, 0.4641652, 
0.5595265, 0.5568292, 0.5329007, 0.6300983, 0.5476386, 0.6433976, 
0.5124435, 0.5178623, 0.4634521, 0.6025023, 0.4958374, 0.4741311, 
0.4363587, 0.5922855), mdi15 = c(0.4279444, 0.517872, 0.7302354, 
0.5773365, 0.5452649, 0.6005339, 0.5154232, 0.5421594, 0.6559043, 
0.4522421, 0.540138, 0.472202, 0.5669901, 0.5294991, 1, 0.4969139, 
0.5407898, 0.711619, 0.5776979, 0.6465131, 0.8102714, 0.6210396, 
0.5843541, 0.5708951, 0.5353925, 0.6430862, 0.6773275, 0.5256203, 
0.5525755, 0.5968413), mdi16 = c(0.3978138, 0.4460308, 0.443922, 
0.640864, 0.4282942, 0.5479274, 0.550466, 0.474245, 0.5307519, 
0.7588315, 0.5069535, 0.4547294, 0.4811508, 0.4641652, 0.4969139, 
1, 0.5327385, 0.4919386, 0.4640105, 0.6189401, 0.6221125, 0.7849677, 
0.5263167, 0.4961512, 0.546515, 0.4792591, 0.5387354, 0.7593365, 
0.5443296, 0.4965095), mdi17 = c(0.3130349, 0.5357907, 0.4503891, 
0.5419371, 0.3884295, 0.5154317, 0.4921495, 0.6079999, 0.5871398, 
0.4401081, 0.528538, 0.4840607, 0.4159442, 0.5595265, 0.5407898, 
0.5327385, 1, 0.5972664, 0.6531257, 0.6124992, 0.6593416, 0.5779083, 
0.54295, 0.5091556, 0.4999436, 0.5534753, 0.6906962, 0.5515724, 
0.5763667, 0.5257787), mdi18 = c(0.4217768, 0.5271745, 0.6403537, 
0.4278067, 0.4405988, 0.7863542, 0.4687262, 0.5235899, 0.5846594, 
0.4350122, 0.579202, 0.8285936, 0.5916418, 0.5568292, 0.711619, 
0.4919386, 0.5972664, 1, 0.616892, 0.6776108, 0.653145, 0.6462477, 
0.6133169, 0.76014, 0.5693621, 0.7255007, 0.6772965, 0.4731968, 
0.6136029, 0.8215128), mdi19 = c(0.4217768, 0.5656711, 0.4638545, 
0.4294387, 0.5013351, 0.5508043, 0.4268752, 0.5335896, 0.5470594, 
0.4499751, 0.5901564, 0.5358637, 0.5317423, 0.5329007, 0.5776979, 
0.4640105, 0.6531257, 0.616892, 1, 0.6277485, 0.5888859, 0.5781749, 
0.5962161, 0.4966702, 0.525626, 0.5893053, 0.5937545, 0.4536458, 
0.6023978, 0.595442), mdi20 = c(0.3941672, 0.6416844, 0.5755256, 
0.5762886, 0.4372788, 0.6893594, 0.56955, 0.4957257, 0.6284931, 
0.5206525, 0.5299329, 0.5490359, 0.6019275, 0.6300983, 0.6465131, 
0.6189401, 0.6124992, 0.6776108, 0.6277485, 1, 0.7456018, 0.7237394, 
0.5914482, 0.6174089, 0.6084753, 0.7583413, 0.6222094, 0.6093335, 
0.5607048, 0.6734581), mdi21 = c(0.442678, 0.5933588, 0.6559644, 
0.6173602, 0.5033538, 0.5754793, 0.5046245, 0.5442768, 0.6879265, 
0.5352926, 0.5250493, 0.4616615, 0.5150589, 0.5476386, 0.8102714, 
0.6221125, 0.6593416, 0.653145, 0.5888859, 0.7456018, 1, 0.6836611, 
0.5767896, 0.5020915, 0.5302819, 0.6788499, 0.7302629, 0.5532899, 
0.514876, 0.5369505), mdi22 = c(0.4143811, 0.5301733, 0.5669309, 
0.696368, 0.449599, 0.6092226, 0.5563658, 0.4974862, 0.6163574, 
0.6998865, 0.5154014, 0.4249117, 0.6103914, 0.6433976, 0.6210396, 
0.7849677, 0.5779083, 0.6462477, 0.5781749, 0.7237394, 0.6836611, 
1, 0.6970878, 0.5551017, 0.5309829, 0.669629, 0.618117, 0.7725701, 
0.5368407, 0.6161932), mdi23 = c(0.4883476, 0.4632707, 0.4882669, 
0.4768973, 0.4719872, 0.5590816, 0.544639, 0.5023641, 0.512804, 
0.4755847, 0.5127527, 0.4808445, 0.7036702, 0.5124435, 0.5843541, 
0.5263167, 0.54295, 0.6133169, 0.5962161, 0.5914482, 0.5767896, 
0.6970878, 1, 0.5780347, 0.5722519, 0.6007872, 0.6153544, 0.579486, 
0.5826146, 0.5400445), mdi24 = c(0.3818616, 0.3692169, 0.540937, 
0.4312955, 0.5221968, 0.7415316, 0.4961694, 0.4025193, 0.5047779, 
0.4100334, 0.5788864, 0.7267043, 0.5396378, 0.5178623, 0.5708951, 
0.4961512, 0.5091556, 0.76014, 0.4966702, 0.6174089, 0.5020915, 
0.5551017, 0.5780347, 1, 0.5823804, 0.6163705, 0.5893418, 0.4599374, 
0.4879448, 0.7233099), mdi25 = c(0.4253592, 0.3899222, 0.4305827, 
0.4800561, 0.4572666, 0.5702535, 0.6133689, 0.4116167, 0.5466345, 
0.4787971, 0.5161334, 0.552395, 0.7106897, 0.4634521, 0.5353925, 
0.546515, 0.4999436, 0.5693621, 0.525626, 0.6084753, 0.5302819, 
0.5309829, 0.5722519, 0.5823804, 1, 0.6287262, 0.4351833, 0.541565, 
0.488426, 0.5750416), mdi26 = c(0.4220679, 0.6722428, 0.6208696, 
0.4966285, 0.478281, 0.7306869, 0.5084869, 0.5727691, 0.613476, 
0.453012, 0.507289, 0.5925844, 0.5663952, 0.6025023, 0.6430862, 
0.4792591, 0.5534753, 0.7255007, 0.5893053, 0.7583413, 0.6788499, 
0.669629, 0.6007872, 0.6163705, 0.6287262, 1, 0.6485229, 0.6028357, 
0.5814636, 0.6474577), mdi27 = c(0.3341886, 0.571866, 0.5774123, 
0.4940535, 0.4474777, 0.6161738, 0.4299369, 0.6270551, 0.5883362, 
0.4734884, 0.5158013, 0.4751664, 0.4743636, 0.4958374, 0.6773275, 
0.5387354, 0.6906962, 0.6772965, 0.5937545, 0.6222094, 0.7302629, 
0.618117, 0.6153544, 0.5893418, 0.4351833, 0.6485229, 1, 0.5630586, 
0.5338222, 0.5340758), mdi28 = c(0.2904774, 0.4770556, 0.4337106, 
0.6449681, 0.436465, 0.5381451, 0.5220904, 0.4208924, 0.506302, 
0.7813307, 0.5344951, 0.3929154, 0.5357141, 0.4741311, 0.5256203, 
0.7593365, 0.5515724, 0.4731968, 0.4536458, 0.6093335, 0.5532899, 
0.7725701, 0.579486, 0.4599374, 0.541565, 0.6028357, 0.5630586, 
1, 0.5835477, 0.5081215), mdi29 = c(0.4125257, 0.4447538, 0.5007241, 
0.4448795, 0.6423572, 0.5487092, 0.4294706, 0.5064872, 0.4979364, 
0.535401, 0.5978617, 0.4023344, 0.4997759, 0.4363587, 0.5525755, 
0.5443296, 0.5763667, 0.6136029, 0.6023978, 0.5607048, 0.514876, 
0.5368407, 0.5826146, 0.4879448, 0.488426, 0.5814636, 0.5338222, 
0.5835477, 1, 0.611525), mdi30 = c(0.471747, 0.4801506, 0.5812161, 
0.4511662, 0.5367758, 0.7739138, 0.4739928, 0.4869765, 0.5808664, 
0.4395691, 0.647102, 0.6972608, 0.5310849, 0.5922855, 0.5968413, 
0.4965095, 0.5257787, 0.8215128, 0.595442, 0.6734581, 0.5369505, 
0.6161932, 0.5400445, 0.7233099, 0.5750416, 0.6474577, 0.5340758, 
0.5081215, NA, 1)), class = "data.frame", row.names = c(NA, -30L
))

Мне удалось использовать необработанные данные в качестве входных данных для MDI, и факторный анализ выполнялся с сообщениями об ошибках (в комментариях ниже, чтобы этот пост не был слишком длинным). Фактический набор данных действительно большой, но я создал из него меньший набор данных, который выдает то же сообщение об ошибке при запуске факторного анализа. Dput для этого меньшего набора данных ниже.

>dput(MDI)
structure(list(MDIdisengagement = c(2L, 1L, 1L, 0L, 0L, 0L, 0L, 
0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 2L, 0L, 1L, 3L, 
1L, 4L, 2L, 0L, 1L, 0L, 2L, 4L, 2L, 0L, 0L, 1L, 1L, 0L, 2L, 1L, 
1L, 1L, 0L, 0L, 1L, 1L, 0L, 0L, 0L, 1L, 1L, 0L, 2L, 0L, 0L, 0L, 
1L, 4L, 1L, 0L, 3L, 2L, 1L, 0L, 0L, 2L, 0L, 1L, 1L, 2L, 4L, 7L, 
0L, 0L, 0L, 1L, 3L, 0L, 2L, 0L, 7L, 0L, 4L, 0L, 1L, 0L, 0L, 0L, 
1L, 1L, 1L, 2L, 2L, 0L, 2L, 1L, 1L, 2L, 2L, 1L, 2L, 1L, 1L, 1L, 
0L, 0L, 0L, 3L, 2L, 1L, 1L, 1L, 0L, 1L, 1L, 1L, 0L, 0L, 0L, 2L, 
0L, 4L, 2L, 4L, 2L, 3L, 1L, 1L, 2L, 4L, 3L, 0L, 2L, 4L, 1L, 1L, 
1L, 0L, 1L, 0L, 1L, 3L, 1L, 4L, 1L, 1L, 2L, 4L, 3L, 0L, 1L, 0L, 
1L, 0L, 0L, 2L, 0L, 0L, 1L, 1L, 3L, 1L, 0L, 1L, 2L, 4L, 2L, 1L, 
1L, 2L, 3L, 1L, 1L, 0L, 1L, 1L, 0L, 0L, 4L, 2L, 0L, 2L, 0L, 1L, 
0L, 2L, 4L, 0L, 2L, 0L, 2L, 2L, 4L, 0L, 0L, 1L, 1L, 2L, 2L, 2L, 
1L, 1L, 2L, 3L, 0L, 2L, 0L, 1L, 3L, 7L, 1L, 2L, 2L, 0L, 0L, 3L, 
0L, 1L, 1L, 0L, 2L, 2L, 3L, 0L, 2L, 2L, 1L, 0L, 2L, 2L, 0L, 2L, 
0L, 2L, 0L, 2L, 1L, 2L, 2L, 1L, 2L, 2L, 1L, 7L, 3L, 7L, 2L, 7L, 
2L, 2L, 2L, 1L, 0L, 1L, 7L, 4L, 1L, 1L, 0L, 4L, 1L, 0L, 2L, 0L, 
2L, 1L, 1L, 4L, 1L, 1L, 2L, 4L, 1L, 2L, 7L, 0L, 2L, 2L, 2L, 1L, 
4L, 1L, 1L, 0L, 1L, 2L, 4L, 1L, 4L, 1L, 1L, 0L), MDIdepersonalization = c(0L, 
0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 
1L, 0L, 0L, 0L, 1L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 2L, 0L, 0L, 0L, 
0L, 0L, 1L, 0L, 0L, 0L, 2L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 
0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 1L, 0L, 0L, 0L, 
1L, 0L, 0L, 1L, 0L, 4L, 0L, 0L, 0L, 0L, 2L, 0L, 0L, 0L, 1L, 0L, 
1L, 0L, 0L, 0L, 0L, 0L, 1L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 
1L, 0L, 0L, 0L, 1L, 4L, 0L, 0L, 0L, 0L, 1L, 0L, 0L, 0L, 0L, 0L, 
0L, 0L, 0L, 0L, 0L, 1L, 1L, 1L, 0L, 0L, 1L, 1L, 0L, 0L, 0L, 2L, 
0L, 1L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 1L, 0L, 0L, 1L, 0L, 
0L, 0L, 0L, 0L, 1L, 0L, 3L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 
0L, 1L, 1L, 0L, 2L, 0L, 0L, 0L, 0L, 1L, 0L, 0L, 0L, 0L, 0L, 1L, 
0L, 2L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 1L, 0L, 1L, 0L, 0L, 1L, 
0L, 0L, 0L, 0L, 2L, 0L, 1L, 0L, 1L, 0L, 0L, 0L, 0L, 0L, 1L, 7L, 
0L, 4L, 0L, 0L, 0L, 1L, 0L, 0L, 0L, 0L, 2L, 0L, 0L, 0L, 0L, 0L, 
1L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 2L, 0L, 0L, 0L, 0L, 0L, 2L, 
0L, 1L, 0L, 2L, 1L, 1L, 0L, 1L, 0L, 1L, 0L, 0L, 1L, 2L, 0L, 0L, 
0L, 1L, 2L, 0L, 0L, 0L, 0L, 2L, 7L, 0L, 2L, 2L, 0L, 0L, 0L, 0L, 
7L, 0L, 1L, 0L, 2L, 0L, 0L, 2L, 0L, 0L, 0L, 1L, 4L, 0L, 0L, 0L, 
0L, 0L), MDIderealization = c(2L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 
0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 1L, 2L, 0L, 
4L, 0L, 0L, 1L, 0L, 1L, 2L, 1L, 0L, 0L, 0L, 4L, 0L, 2L, 0L, 4L, 
0L, 0L, 0L, 0L, 0L, 1L, 0L, 0L, 0L, 0L, 0L, 1L, 0L, 0L, 0L, 0L, 
0L, 0L, 0L, 0L, 0L, 2L, 0L, 0L, 0L, 0L, 0L, 1L, 0L, 1L, 4L, 0L, 
0L, 0L, 0L, 1L, 0L, 1L, 0L, 2L, 0L, 2L, 0L, 0L, 0L, 0L, 0L, 0L, 
0L, 0L, 0L, 2L, 0L, 0L, 0L, 0L, 0L, 1L, 1L, 1L, 0L, 1L, 2L, 0L, 
1L, 0L, 2L, 2L, 2L, 1L, 0L, 2L, 0L, 1L, 0L, 0L, 0L, 0L, 0L, 0L, 
0L, 1L, 0L, 2L, 4L, 1L, 0L, 1L, 1L, 0L, 4L, 0L, 0L, 1L, 0L, 2L, 
0L, 0L, 0L, 0L, 4L, 0L, 2L, 0L, 1L, 2L, 3L, 0L, 1L, 4L, 0L, 4L, 
0L, 0L, 1L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 1L, 0L, 3L, 4L, 0L, 
0L, 0L, 4L, 1L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 2L, 0L, 
1L, 0L, 0L, 2L, 1L, 1L, 0L, 0L, 1L, 0L, 0L, 0L, 0L, 1L, 3L, 2L, 
0L, 2L, 2L, 0L, 0L, 0L, 0L, 4L, 7L, 1L, 2L, 0L, 0L, 0L, 1L, 0L, 
0L, 1L, 0L, 4L, 0L, 0L, 0L, 1L, 2L, 3L, 0L, 0L, 1L, 0L, 3L, 0L, 
0L, 0L, 3L, 1L, 1L, 2L, 4L, 0L, 1L, 1L, 1L, 1L, 3L, 1L, 2L, 0L, 
1L, 0L, 2L, 0L, 0L, 1L, 3L, 0L, 0L, 1L, 3L, 1L, 0L, 1L, 0L, 0L, 
1L, 1L, 0L, 4L, 3L, 1L, 0L, 0L, 3L, 7L, 0L, 1L, 0L, 1L, 2L, 0L, 
3L, 0L, 0L, 0L, 2L, 4L, 0L, 2L, 2L, 0L, 0L), MDIemotionalconstriction = c(1L, 
0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 
0L, 0L, 1L, 0L, 0L, 2L, 0L, 1L, 2L, 2L, 0L, 0L, 2L, 1L, 1L, 0L, 
2L, 0L, 1L, 0L, 3L, 7L, 7L, 1L, 0L, 2L, 1L, 0L, 0L, 0L, 0L, 0L, 
1L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 1L, 3L, 1L, 0L, 0L, 0L, 0L, 
0L, 2L, 4L, 0L, 1L, 2L, 0L, 0L, 0L, 0L, 2L, 0L, 1L, 0L, 7L, 0L, 
4L, 0L, 0L, 0L, 1L, 0L, 0L, 0L, 0L, 4L, 1L, 0L, 0L, 0L, 0L, 0L, 
4L, 0L, 2L, 2L, 3L, 0L, 0L, 2L, 0L, 4L, 0L, 4L, 0L, 1L, 1L, 1L, 
1L, 0L, 0L, 0L, 0L, 1L, 0L, 1L, 0L, 0L, 1L, 1L, 0L, 1L, 0L, 2L, 
1L, 0L, 0L, 1L, 1L, 0L, 1L, 0L, 1L, 0L, 0L, 1L, 0L, 2L, 4L, 0L, 
0L, 0L, 0L, 2L, 3L, 0L, 7L, 0L, 0L, 0L, 4L, 0L, 0L, 0L, 7L, 0L, 
0L, 0L, 0L, 2L, 7L, 1L, 0L, 0L, 0L, 2L, 1L, 0L, 0L, 0L, 0L, 2L, 
2L, 1L, 0L, 0L, 0L, 1L, 0L, 1L, 0L, 1L, 2L, 1L, 1L, 0L, 1L, 2L, 
4L, 0L, 2L, 1L, 2L, 2L, 7L, 1L, 1L, 4L, 0L, 3L, 3L, 0L, 1L, 7L, 
0L, 2L, 1L, 0L, 0L, 0L, 0L, 0L, 1L, 0L, 1L, 4L, 0L, 0L, 1L, 4L, 
4L, 0L, 1L, 7L, 0L, 1L, 0L, 0L, 0L, 4L, 1L, 1L, 2L, 1L, 1L, 2L, 
1L, 2L, 4L, 1L, 2L, 0L, 2L, 1L, 2L, 7L, 1L, 4L, 2L, 1L, 0L, 2L, 
2L, 0L, 2L, 0L, 1L, 0L, 0L, 3L, 1L, 0L, 1L, 4L, 0L, 2L, 0L, 4L, 
7L, 0L, 0L, 2L, 2L, 1L, 0L, 1L, 2L, 1L, 1L, 7L, 1L, 0L, 1L, 1L, 
1L, 1L), MDImemorydisturb = c(3L, 1L, 0L, 0L, 0L, 0L, 0L, 0L, 
0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 1L, 0L, 0L, 0L, 4L, 0L, 
2L, 1L, 0L, 0L, 0L, 2L, 3L, 0L, 0L, 0L, 0L, 2L, 0L, 3L, 4L, 2L, 
0L, 0L, 0L, 1L, 0L, 0L, 0L, 0L, 0L, 1L, 0L, 0L, 1L, 0L, 0L, 1L, 
1L, 0L, 0L, 0L, 2L, 0L, 0L, 0L, 0L, 0L, 0L, 3L, 0L, 2L, 4L, 0L, 
0L, 0L, 0L, 2L, 0L, 2L, 0L, 2L, 0L, 4L, 0L, 0L, 0L, 1L, 0L, 0L, 
1L, 0L, 1L, 1L, 0L, 0L, 0L, 0L, 0L, 2L, 2L, 2L, 0L, 1L, 2L, 0L, 
0L, 0L, 1L, 2L, 1L, 0L, 0L, 1L, 0L, 1L, 0L, 0L, 0L, 0L, 0L, 0L, 
1L, 0L, 1L, 1L, 3L, 2L, 1L, 0L, 2L, 0L, 0L, 0L, 2L, 1L, 0L, 0L, 
0L, 1L, 0L, 0L, 4L, 0L, 4L, 2L, 2L, 1L, 1L, 0L, 0L, 7L, 0L, 1L, 
0L, 0L, 2L, 0L, 0L, 1L, 1L, 4L, 0L, 0L, 1L, 1L, 0L, 4L, 4L, 0L, 
3L, 0L, 4L, 2L, 0L, 0L, 0L, 0L, 1L, 1L, 3L, 0L, 0L, 0L, 4L, 1L, 
2L, 1L, 2L, 4L, 0L, 1L, 0L, 1L, 1L, 0L, 0L, 0L, 0L, 2L, 3L, 1L, 
0L, 2L, 1L, 0L, 1L, 1L, 0L, 1L, 7L, 0L, 4L, 0L, 0L, 0L, 1L, 0L, 
0L, 2L, 0L, 0L, 2L, 0L, 0L, 0L, 0L, 2L, 0L, 1L, 1L, 0L, 1L, 0L, 
1L, 0L, 4L, 2L, 1L, 0L, 1L, 0L, 0L, 2L, 1L, 0L, 1L, 1L, 1L, 1L, 
1L, 2L, 4L, 0L, 0L, 1L, 3L, 0L, 0L, 1L, 4L, 4L, 0L, 0L, 0L, 0L, 
1L, 4L, 2L, 2L, 4L, 1L, 2L, 0L, 2L, 7L, 0L, 1L, 1L, 3L, 0L, 0L, 
4L, 0L, 0L, 1L, 1L, 4L, 1L, 2L, 4L, 0L, 0L), MDIidentitydissociation = c(0L, 
0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 
0L, 0L, 0L, 0L, 0L, 0L, 0L, 4L, 0L, 0L, 0L, 0L, 2L, 0L, 0L, 0L, 
0L, 0L, 0L, 0L, 0L, 3L, 1L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 
0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 
0L, 0L, 2L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 
0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 
0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 
0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 2L, 0L, 1L, 1L, 0L, 0L, 0L, 0L, 
0L, 0L, 0L, 0L, 1L, 0L, 0L, 0L, 0L, 0L, 0L, 4L, 0L, 2L, 0L, 0L, 
0L, 3L, 0L, 0L, 1L, 0L, 1L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 
0L, 0L, 0L, 0L, 2L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 
3L, 0L, 0L, 0L, 0L, 4L, 0L, 0L, 0L, 0L, 1L, 0L, 0L, 0L, 0L, 0L, 
0L, 0L, 0L, 0L, 1L, 2L, 1L, 0L, 2L, 0L, 0L, 0L, 0L, 0L, 1L, 1L, 
0L, 2L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 
0L, 0L, 0L, 0L, 0L, 7L, 0L, 0L, 0L, 1L, 0L, 0L, 0L, 1L, 0L, 0L, 
0L, 1L, 0L, 2L, 0L, 0L, 0L, 0L, 0L, 7L, 0L, 0L, 1L, 1L, 0L, 0L, 
0L, 4L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 1L, 0L, 0L, 
2L, 0L, 0L, 3L, 1L, 0L, 0L, 4L, 0L, 0L, 0L, 0L, 4L, 0L, 0L, 2L, 
0L, 0L)), class = "data.frame", row.names = c(NA, -291L))

Answer 1

У вас возникли проблемы с вызовом на fa.Сначала вам нужно удалить столбец X, чтобы обеспечить правильную матрицу корреляции.Возможно, это не проблема для вас, но, конечно, для вашего dput примера.Однако даже после исправления этой проблемы основная проблема связана с вашим призывом к полихорической корреляции.Если вы хотите указать cor = "poly", вам нужно использовать дискретные данные.

Я бы посоветовал выполнить ваш вызов на fa, используя дискретные данные только с переменными измерения и без дополнительных переменных, таких как XЕсли вы все еще получаете ошибки, пожалуйста, обновите ваш пример, включив в него дискретные данные, и я могу попытаться помочь вам.

РЕДАКТИРОВАТЬ: Итак, теперь ваша большая проблема в том, что у вас есть только 6 пунктов, и в факторном анализе выобычно требуется минимум три элемента на фактор, который в вашем случае оставил бы вас с максимум 2 факторами, но даже это подталкивает.С nfactors=1 он будет работать, но не с nfactors>1 Чтобы понять, почему у вас возникли проблемы, вы можете посмотреть на собственные значения вашей корреляционной матрицы следующим образом:

eigen(polychoric(MDI)$rho)

Это даст следующий вывод:

$values
[1] 4.76730952 0.68445132 0.28440838 0.18855401 0.05141578 0.02386099

Как видите, почти все отклонения объясняются первым фактором, а после него мало что остается.Поэтому неудивительно, что вы получаете ошибки при попытке извлечь более одного фактора.График осыпей визуально покажет это.

Так что это сработает, но результаты, вероятно, не очень интересны:

f2 <- fa(MDI,nfactors=1,rotation="promax", min.err= 0.001, fm="wls", cor="poly")

Имеет ли это смысл?