我使用函数psych::principal计算主this矩阵作为输入的主成分分析。输入数据中的每一列是作物产量与区域（30）中的气候变量之间的月度相关性，因此我想通过PCA获得的是减少信息并找到区域之间响应的相似模式。
pc <- principal(dat,nfactors = 9, residuals = FALSE, rotate="varimax", n.obs=NA, covar=TRUE,scores=TRUE, missing=FALSE, impute="median", oblique.scores=TRUE, method="regression")
矩阵的尺寸为10 * 30，我收到的第一条消息是：
平滑相关的行列式为零。这意味着 目标函数没有定义。 Chi square是基于观察到的 残差。平滑相关的行列式为零。这个 表示没有为null模型定义目标函数。 因此，卡方是基于观察到的相关性。警告 消息：1：在cor.smooth（r）中：矩阵不是正定的， 平滑完成2：原则上（dat，nfactors = 3，残差= F， rotate =“none”，：矩阵不是半正定的，得分 从结构载荷中找到
尽管如此，该功能似乎有效，主要问题是当你检查pc $权重并意识到它等于pc $ loadings。
当列数小于/等于行数时，结果是连贯的，但这不是这种情况。 我必须获得权重，以便以与输入数据相同的大小（相关值）来引用得分值。
我真的很感激任何帮助。 谢谢。