在SAS中进行主体数据分析的正确方法

Question

我正在尝试在SAS中进行PCA；这是我写的原始代码：

  ods output Eigenvalues=EVTABLE Eigenvectors=EVCTABLE;
  PROC factor DATA=REPLACED_PRINCECOMP EIGENVECTORS;
  RUN;
  ods output close;

但是，当我用python sklearn pca对结果进行交叉检查时，累积的解释方差比率存在巨大差异（python在第一个特征向量中产生90％，而SAS仅产生5％）。

因此，我更改了代码，添加了METHOD=principal：

  ods output Eigenvalues=EVTABLE Eigenvectors=EVCTABLE;
  PROC factor DATA=REPLACED_PRINCECOMP METHOD=principal COV EIGENVECTORS;
  RUN;
  ods output close;

现在，PCA结果返回到与python结果相同的范围（在第一个特征向量中解释了大约90％的方差）。

我想知道造成差异的原因是什么？是METHOD=principal吗？但是我给人的印象是，根据documentation，默认方法是主体方法，这就是为什么我没有首先添加它的原因。

此外，后面的代码还具有一个奇怪的功能。它产生的特征值和特征向量数量比python的sklearn包PCA少。是因为我没有指定nfactor变量吗？