因子分析教程

数据处理

解释因子数量、旋转方式、标准化和得分写回逻辑，帮助你做潜在维度提取。

常用 Stata 命令factor x1 x2 x3 / rotate, varimax / predict factor_score*

在 STATAU 中打开此功能

因子分析Varimax因子得分

这个页面解决什么问题

因子分析和 PCA 都能降维，但因子分析更强调潜在共同因子。STATAU 的因子分析页把因子数量、旋转方式、标准化和写回得分集中在同一张卡片里，适合你在做潜变量构造时使用。

适用数据与前提

通常需要多项彼此相关的连续指标。若量纲差异较大，建议保留标准化。第一次试用时，先用默认的 Varimax 旋转通常更容易解释。

STATAU 页面中每个位置应该放什么变量

网站位置	应放入的变量	说明
指标变量	进入因子分析的原始指标	尽量选择理论上属于同一潜在维度的一组变量。
因子数量	保留的潜在因子个数	留空时按特征值大于 1 的规则推荐。
旋转方式	Varimax / 不旋转	Varimax 更利于解释载荷结构。
写回因子得分列	是否保存因子得分	适合后续进入回归或聚类分析。

Stata 等效代码

factor x1 x2 x3, factors(2)
rotate, varimax
predict fac1 fac2

Stata 代码位置	STATAU 网站对应位置	应放入什么
`factor x1 x2 x3, factors(2)`	指标变量 + 因子数量	对应进入模型的变量和保留因子数量。
`rotate, varimax`	旋转方式	对应选择 Varimax 旋转。
`predict fac1 fac2`	写回因子得分列	把因子得分写回当前版本。

在 STATAU 中操作步骤

选择进入因子分析的指标变量。
设定因子数量和旋转方式，通常先用 Varimax。
确认是否先标准化、如何处理缺失值后执行分析。
查看载荷结构与因子得分，再决定后续如何命名和使用得分列。

结果怎么看

首先看各指标在不同因子上的载荷是否清晰，避免同一指标在多个因子上都很高。
再看因子得分是否能与理论维度对应，这决定你后续如何解释结果。
如果因子结构很乱，优先回头检查变量选择，而不是强行解释。

常见使用误区

因子数量设太多会导致解释碎片化，设太少又可能丢失结构信息。
不旋转时载荷矩阵往往更难解释。
因子分析结果依赖变量选择，别把理论上无关的指标混在一起。

相关页面