R语言的两种主成分分析的结果不一样？

Question

同一样本数据，2种不同代码得出的主成分得分系数为什么不一样？下面的完整代码，很困惑，不知道哪一种是对的？
法一：

shuju<-read.csv(file="shuju.csv",header=TRUE,sep=",")
library(psych)
library(GPArotation)
fa.parallel(shuju[,-1],fa="pc",n.iter=100,show.legend=FALSE)
pc<-principal(shuju[,-1],nfactors=4,score=T)
RC1 RC2 RC3 RC4 h2 u2
Open 0.95 0.11 0.21 0.16 0.98 0.0220
High 0.95 0.15 0.20 0.18 0.99 0.0074
Low 0.94 0.17 0.22 0.13 0.99 0.0147
Close 0.94 0.22 0.21 0.14 0.99 0.0094
Volume 0.67 0.26 0.14 0.59 0.88 0.1215
Chengjiaoe 0.72 0.27 0.12 0.56 0.91 0.0851
MA5 0.95 0.00 0.20 0.16 0.98 0.0228
AR26 0.14 0.23 0.92 0.17 0.96 0.0448
BR26 0.33 0.23 0.89 0.15 0.97 0.0329
BIAS12 0.19 0.89 0.30 0.16 0.93 0.0668
OBV 0.88 0.16 -0.02 0.29 0.88 0.1214
PSY 0.36 0.16 0.38 0.73 0.83 0.1656
K 0.19 0.79 0.29 0.29 0.83 0.1697
WR -0.10 -0.93 -0.0 0.02 0.88 0.1231
法二：
shuju.pr<-princomp(shuju[,-1],cor=TRUE)
summary(shuju.pr,loadings=TRUE)
Loadings:
Comp.1 Comp.2 Comp.3 Comp.4
Open -0.312 0.199 0.182
High -0.319 0.178 0.158
Low -0.316 0.165 0.233
Close -0.320 0.144 0.213
Volume -0.293 -0.411
Chengjiaoe -0.302 -0.365
MA5 -0.301 0.258 0.162
AR26 -0.186 -0.332 0.568 0.126
BR26 -0.230 -0.254 0.520 0.206
BIAS12 -0.203 -0.466 -0.239
OBV -0.288 0.209 -0.181
PSY -0.241 0.210 -0.628
K -0.207 -0.422 -0.186
WR 0.134 0.435 0.466 -0.209

Answer 1

是不一样啊，主成分分析主要运算是求矩阵的特征值和特征向量。
cor=T时，输入矩阵为相关系数矩阵，每个元素是0<=x<=1的，对角线为1；
cor=F时，输入矩阵为协方差矩阵，对角线为每个变量的方差；
默认是cor=F的，
而相关系数矩阵就相当于先将数据标准化，然后再求协方差矩阵。
即：先将数据标准化，两种方式才是相同的。否则，cor=T比cor=F相当于多一个标准化过程。追问

我这2种代码不是cor=T和F的区别，是2种不同的包