Python与Stata实现探索性因子分析结果差异原因及采信方案

差异核心原因 #

• 因子提取方法默认值不一致
  FactorAnalyzer库默认采用最小残差法（minres）提取因子，Stata的factor命令默认采用主成分分析法提取因子，二者的因子载荷、特征值计算逻辑存在本质区别，是导致可提取因子数判定结果差异的核心原因。
• 输入变量范围未对齐
  提供的Python代码未明确限定输入变量为k2x1-k2x29，若筛选后df包含g1或其他非题项变量，会直接导致输入的相关矩阵与Stata侧不一致。
• 旋转规则未对齐
  Stata代码在提取因子后执行了varimax方差最大旋转，而提供的Python代码未设置旋转参数，FactorAnalyzer默认不做因子旋转，旋转后的因子方差贡献、特征值排序与未旋转结果存在明显差异。
• 缺失值处理逻辑差异
  Stata默认采用列表wise删除（只要单个变量存在缺失就删除整条样本），FactorAnalyzer的缺失值处理默认规则与Stata存在区别，若数据集存在缺失值，两侧实际参与计算的样本量、样本组成会有差异。

对齐参数的代码修正方案 #

修正后Python代码 #

# 限定样本、变量范围，提前统一删除含缺失值的样本
df = df[df.g1 == 3][[f"k2x{i}" for i in range(1, 30)]].dropna(axis=0, how="any")
# 统一提取方法为主成分法、旋转规则为方差最大旋转
fa = FactorAnalyzer(n_factors=6, method="principal", rotation="varimax")
fa.fit(df)
# 输出未旋转的原始特征值，与Stata默认输出的特征值口径对齐
print("未旋转特征值：", fa.get_eigenvalues()[0])
fa_loading_df = pd.DataFrame(fa.loadings_, columns=["Factor 1", "Factor 2", "Factor 3", "Factor 4", "Factor 5", "Factor 6"])

修正后Stata代码 #

* 限定提取方法为主成分法，与Python侧参数对齐
factor k2x1-k2x29 if g1==3, factor(6) pcf
rotate, varimax norm blanks(.40)

结果采信建议 #

完成上述参数对齐后，若两侧结果一致，可根据研究领域规范选择输出：

1. 社科类研究优先采信Stata输出结果，Stata的因子分析模块经过长期学术验证，默认输出规范符合大部分社科期刊的要求；
2. 工程类、数据驱动类研究可根据研究目标选择，若需优先保证因子对原始数据的解释率，可参考Python侧结果，但需在研究报告中明确说明因子提取方法、旋转规则、缺失值处理逻辑。

原始结果对比 #

内容的提问来源于stack exchange，提问作者sagittarius2112