ダメ出し：バグというのは早計で，使い方を反省すべきかも

 社会調査士のためのこれからの因子分析　にて

> 因子分析も連続変数と見なした古典的方法と，ポリコリック相関係数をつかった方法，両方で見てみましょう。 まずは古典的方法から。

> fa.result.n <- fa(Science.n, nfactors = 3, fm = "ml", rotate = "promax")

> ## In fa, too many factors requested for this number of variables to use SMC
> ## for communality estimates, 1s are used instead

変数の個数が 4 個であるにもかかわらず，因子数を 3 に指定（nfactors = 3）したら，こういうエラーメッセージ（too many factors requested）も出ようというもの。なぜ，それを無視して話を進めるのか，理解に苦しむが。

> ## Error: 'x' must be an array of at least two dimensions

> まあ他にも色々できるようですが，まだちょっと関数の挙動が怪しかったりします。

色々エラーが出るというのは，解析の条件設定に無理があるのではないかな？

> 警告が出るのでちょっと推定がうまくいってないかもです

そうかもね

ダメ出し：分析に使用する変数

主成分分析をやる　にて

> 主成分分析を行う。
> respca <- prcomp(data0[, -c(1:3)])

というのは，まずい。

用いたデータには，試合数，打席数，安打数などの計数値と，長打率，安打率のような割合が混在している。このような場合には，変数は標準化したほうがよい（しない方がよいという観点もあるが）。

ということで，少なくとも，

respca <- prcomp(data0[, -c(1:3)], scale. = TRUE)

としたほうがよいと思われる。

また，長打率，安打率が使われている意味を考えると，安打数，二塁打数などというのも，打数（または打席数）に対しての率のデータにして使う方がよいだろう。安打数が同じ10でも，20打席の場合と100打席の場合では意味が異なる。もっとも，打席数（出場試合数）が多い選手は，成績が同じでも優れているという評価になるかもしれないが。

いずれにせよ，分析にどのような変数を使うべきかは，各分野の固有科学が解答を出してくれる（固有科学から解答を見いだす必要がある）ということではあろう。