同样一组数据，我用spss、matlab、R中的princomp函数和vegan程序包中的rda函数多种计算方法做主成分分析，结果竟然不一样。我仔细看了下，特征值和贡献率都一样，问题出在因子载荷和得分系数上。我会给出原始数据，希望高手用自己熟悉的软件帮忙计算下啊，如果能同时用多个软件计算就更好了。实在感激不尽。
首先看因子载荷。以spss结果为准，princomp函数的PC2值刚好与spss结果为相反数；matlab的PC1结果与SPSS结果为相反数，rda函数与spss结果接近，数值有所差异。

因子载荷图
	R princomp		R rda		matlab		SPSS
	Comp.1	Comp.2	PC1	PC2
氯	0.65	-0.01	-1.01	0.02	0.65	0.01	-0.65	0.01
硫化氢	-0.39	-0.49	0.62	0.68	-0.39	0.49	0.39	0.49
二氧化碳	-0.28	0.22	0.44	-0.30	-0.28	-0.22	0.28	-0.22
碳4	0.39	-0.47	-0.61	0.65	0.39	0.47	-0.39	0.47
环氧氯丙烷	-0.45	-0.22	0.70	0.31	-0.45	0.22	0.45	0.22
环己烷	0.06	-0.67	-0.10	0.93	0.06	0.67	-0.06	0.67

其次看得分值。得分值的情况与因子载荷一样。由于得分值不同，最后计算的总分值也就不同了。

得分	R princomp		R rda		matlab		SPSS
	Comp.1	Comp.2	PC1	PC2	PC1	PC2	PC1	PC2
1	-0.07	1.24	0.04	-0.84	-0.06	-1.16	0.07	-1.18
2	-0.36	2.86	0.21	-1.92	-0.34	-2.67	0.34	-2.66
3	-1.80	-1.58	1.07	1.06	-1.69	1.48	1.69	1.49
4	-2.32	-0.61	1.38	0.41	-2.17	0.57	2.19	0.56
5	2.81	-1.06	-1.68	0.71	2.63	1.00	-2.65	0.99
6	0.53	0.08	-0.31	-0.05	0.49	-0.08	-0.5	-0.06
7	0.07	-0.79	-0.04	0.53	0.06	0.74	-0.06	0.75
8	1.14	-0.14	-0.68	0.09	1.07	0.13	-1.08	0.11

但是我不清楚问题出在哪里啊。
以下是每个方法的过程，请诸位看看：
R princomp函数：

mydata<-read.table ("E:/rawdata.txt",header=TRUE)

mydata=scale(mydata)

mydata.pr<-princomp(mydata,cor= TRUE)

mydata.pr$loadings[,1:2]

mydata.pr$scores[,1:2]

R rda函数：

rawdata<-read.table ("E:/rawdata.txt",header=TRUE)

mydata.pca=rda(rawdata,scale=T)

summary(mydata.pca)

matlab：data为原始数据

sddata=zscore(data);%将数据进行标准化

[coeff,score,latent,tsquare,explained]=pca(sddata)

spss略。

原始数据很简单：

	氯	硫化氢	二氧化碳	碳4	环氧氯丙烷	环己烷
site 1	0.056	0.084	0.031	0.038	0.008	0.022
site 2	0.049	0.055	0.1	0.11	0.022	0.007
site 3	0.038	0.13	0.079	0.17	0.058	0.043
site 4	0.034	0.095	0.058	0.16	0.2	0.029
site 5	0.084	0.066	0.029	0.32	0.012	0.041
site 6	0.064	0.072	0.1	0.21	0.028	0.038
site 7	0.048	0.089	0.062	0.26	0.038	0.036
site 8	0.069	0.087	0.027	0.25	0.045	0.021