revman不是r语言。在元分析中用得较多的为CMA和Revman，在潜分类潜剖面分析中用的较多的为LatentGold和R语言，而像N2Mplus等，都是功能较为单一的辅助性统计软件，在多水平模型中用的较多的为HLM和MPLUS和R语言。
r语言的作用
R的标记语言可以制作可重复生成的Word和Powerpoint文档。R语言中的rmarkdown包可以制作可重复生成的Word文档和Powerpoint幻灯片，而这只需要改变一行YAML的代码，组建和运行一个可交互的网络应用只需要几行代码。
几行甚至一行R代码就可以支持网络应用的运行，R是统计领域广泛使用的诞生于1980年左右的S语言的一个分支，可以认为R是S语言的一种实现，R是一套完整的数据处理和计算和制图软件系统。
主成分分析和探索性因子分析是两种用来探索和简化多变量复杂关系的常用方法。主成分分析（PCA）是一种将数据降维技巧，它将大量相关变量转化成一组很少的不相关变量，这些无相关变量称为主成分。
探索性因子分析（EFA）是一系列用来发现一组变量的潜在结构的方法。
R基础安装包提供了PCA和EFA的函数，分别是princomp()和factanal()。本章重点介绍psych包中提供的函数，该包提供了比基础函数更丰富和有用的选项。
最常见步骤
1、数据预处理，在计算前请确保数据没有缺失值；
2、选择因子模型，是选择PCA还是EFA，如果选择EFA，需要选择一种估计因子模型，如最大似然法估计；
3、判断要选择的主成分/因子数目；
4、选择主成分/因子；
5、旋转主成分/因子；
6、解释结果；
7、计算主成分或因子得分。
加载psych包
library(ggplot2)
library(psych)
展示基于观测特征值的碎石检验、根据100个随机数据矩阵推导出来的特征值均值、以及大于1的特征值准则（Y=1的水平线）
fa.parallel(USJudgeRatings[, -1], fa = "pc", n.iter = 100, show.legend = FALSE, main = 'Scree plot with parallel analysis')
对数据USJudgeRatings进行主成分分析
pc<-principal(USJudgeRatings[, -1],nfactors=1)
pc
