当我在R中使用factanal处理相关矩阵但没有nobs时，仍然给出输出，但是p值随着因子的数量而增加
M是相关矩阵：
[,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [,9] [,10] [,11] [1,] 1.00 0.37 0.34 0.40 0.27 0.59 0.09 0.25 0.27 0.22 0.26 [2,] 0.37 1.00 0.27 0.25 0.38 0.46 0.10 0.26 0.29 0.22 0.24 [3,] 0.34 0.27 1.00 0.36 0.28 0.33 0.18 0.32 0.38 0.29 0.30 [4,] 0.40 0.25 0.36 1.00 0.22 0.35 0.08 0.31 0.26 0.25 0.20 [5,] 0.27 0.38 0.28 0.22 1.00 0.29 0.16 0.14 0.18 0.15 0.22 [6,] 0.59 0.46 0.33 0.35 0.29 1.00 0.08 0.27 0.24 0.28 0.26 [7,] 0.09 0.10 0.18 0.08 0.16 0.08 1.00 0.19 0.13 0.22 0.17 [8,] 0.25 0.26 0.32 0.31 0.14 0.27 0.19 1.00 0.36 0.36 0.40 [9,] 0.27 0.29 0.38 0.26 0.18 0.24 0.13 0.36 1.00 0.30 0.60 [10,] 0.22 0.22 0.29 0.25 0.15 0.28 0.22 0.36 0.30 1.00 0.25 [11,] 0.26 0.24 0.30 0.20 0.22 0.26 0.17 0.40 0.60 0.25 1.00
factanal(covmat = M, factors = 2)`$` gives:
模型的自由度为44，拟合度为0.6277
factanal(covmat = M, factors = 3) will gives:
模型的自由度为34，拟合度为0.2355
factanal(covmat = M, factors = 4) gives :
模型的自由度为17，拟合度为0.0747
factanal(covmat = M, factors = 5) gives :
模型的自由度为10，拟合度为0.033
这与我们的常识相矛盾，即因素越多，测试应该变得越不重要。
也许它有一些默认的nobs？