应用R的factanal()的一个例子：
v1 <- c(1,1,1,1,1,1,1,1,1,1,3,3,3,3,3,4,5,6)
v2 <- c(1,2,1,1,1,1,2,1,2,1,3,4,3,3,3,4,6,5)
v3 <- c(3,3,3,3,3,1,1,1,1,1,1,1,1,1,1,5,4,6)
v4 <- c(3,3,4,3,3,1,1,2,1,1,1,1,2,1,1,5,6,4)
v5 <- c(1,1,1,1,1,3,3,3,3,3,1,1,1,1,1,6,4,5)
v6 <- c(1,1,1,2,1,3,3,3,4,3,1,1,1,2,1,6,5,4)
m1 <- cbind(v1,v2,v3,v4,v5,v6)

factanal(m1, factors = 3) # varimax is the default
结果如下：
Call:
factanal(x = m1, factors = 3)

Uniquenesses:
   v1    v2    v3    v4    v5    v6
0.005 0.101 0.005 0.224 0.084 0.005

Loadings:
   Factor1 Factor2 Factor3
v1 0.944   0.182   0.267  
v2 0.905   0.235   0.159  
v3 0.236   0.210   0.946  
v4 0.180   0.242   0.828  
v5 0.242   0.881   0.286  
v6 0.193   0.959   0.196  

               Factor1 Factor2 Factor3
SS loadings      1.893   1.886   1.797
Proportion Var   0.316   0.314   0.300
Cumulative Var   0.316   0.630   0.929

The degrees of freedom for the model is 0 and the fit was 0.4755

我关注的是因子累计贡献：
Cumulative Var   0.316   0.630   0.929

而用spss最大似然法（为了与R的factanal()函数算法对应）算出来的结果是：
总方差解释                        
因子        初始特征值               
        总计        方差百分比        累积 %
1        3.696        61.601        61.601
2        1.073        17.885        79.486
3        1.001        16.680        96.165
4        .161        2.683        98.849
5        .041        .683        99.531
6        .028        .469        100.000
提取方法：最大似然法。                        

用sas算出来的结果是：
[td]

相关矩阵的特征值: 总计 = 6 平均值 = 1
	特征值	差值	比例	累积
1	3.69603077	2.62291629	0.6160	0.6160
2	1.07311448	0.07234039	0.1789	0.7949
3	1.00077409	0.83977061	0.1668	0.9617
4	0.16100348	0.12004232	0.0268	0.9885
5	0.04096116	0.01284515	0.0068	0.9953
6	0.02811601		0.0047	1.0000

可以看出，SPSS和SAS结果是相同的，而与R结果差异较大，请问是我哪里算错了吗？