タイトルのまんまです。
psychパッケージに入っている，promax回転の関数は，SPSSやSASのものと完全に一致しません。そこで，完全に一致する関数を作りました。
名前はpromax2です。使いかたは，以下のような感じです。
result <- promax2(x, power = 4, kaiser = TRUE)
xはfa関数が出力するオブジェクトか，その中の因子負荷量行列を指定します。
powerはプロマックス回転のパラメータで，デフォルトは4（SPSSと同じ）です。SASのデフォルトは3です。数値が高いほど因子間相関が大きくなります。
kaiserはカイザーの基準化を行うか否かを指定します。デフォルトはTRUEです。SPSSやSASもデフォルトはTRUEです。FALSEにすれば，基準化しません。
以下がコードです。Rに貼り付けてご利用ください。
promax2 <- function (x, power = 4,kaiser = TRUE)
{
if (!is.matrix(x) & !is.data.frame(x)) {
if (!is.null(x$loadings))
x <- as.matrix(x$loadings)
}
else {
x <- x
}
if (ncol(x) < 2)
return(x)
dn <- dimnames(x)
xx <- varimax(x, normalize = kaiser)
temp <- list()
for(i in 1:ncol(xx$loading)){
temp[[i]] <- apply(abs(xx$loading^2),1,sum)
}
temp <- t(matrix(unlist(temp),nrow=ncol(xx$loading),byrow=nrow(xx$loading)))
xxx <- (xx$loadings/temp^0.5)
Q <- xxx * abs(xxx)^(power - 1)
U <- lm.fit(x, Q)$coefficients
d <- try(diag(solve(t(U) %*% U)), silent = TRUE)
if (class(d) == "try-error") {
warning("Factors are exactly uncorrelated and the model produces a singular matrix. An approximation is used")
ev <- eigen(t(U) %*% U)
ev$values[ev$values < .Machine$double.eps] <- 100 * .Machine$double.eps
UU <- ev$vectors %*% diag(ev$values) %*% t(ev$vectors)
diag(UU) <- 1
d <- diag(solve(UU))
}
U <- U %*% diag(sqrt(d))
dimnames(U) <- NULL
z <- x %*% U
U <- xx$rotmat%*%U
ui <- solve(U)
Phi <- ui %*% t(ui)
dimnames(z) <- dn
class(z) <- "loadings"
result <- list(loadings = z, rotmat = U, Phi = Phi)
class(result) <- c("psych", "fa")
return(result)
}