statsmodels.multivariate.factor.Factor¶

class statsmodels.multivariate.factor.Factor(endog=None, n_factor=1, corr=None, method='pa', smc=True, endog_names=None, nobs=None, missing='drop')[source]¶

因子分析

Parameters:¶

endogarray_like

变量在列中，观测值在行中。如果corr不是None，则可能为None。

n_factorint

要提取的因素数量

corrarray_like

直接指定相关矩阵，而不是从endog中估计。如果提供，endog不用于因子分析，它可能在后估计中使用。

methodstr

提取因子的方法，目前必须是‘pa’代表主轴因子分析或‘ml’代表最大似然估计。

smcTrue or False

是否应用平方多重相关性（method=’pa’）

endog_namesstr

内生变量的名称。如果指定，它将用于替代内生变量中的列名

nobsint

观测值的数量，如果存在内生变量则不使用。如果内生变量为空，则需要提供此值以进行推断。

missing‘none’, ‘drop’, or ‘raise’

因变量的缺失值处理，默认是按行删除 ‘drop’ 如果为 ‘none’，则不进行 nan 检查。如果为 ‘drop’，则删除任何包含 nan 的观测值。如果为 ‘raise’，则会引发错误。

Attributes:¶

endog_names

内生变量名称

exog_names

外生变量的名称。

注释

实验性

支持的旋转方法：‘varimax’, ‘quartimax’, ‘biquartimax’, ‘equamax’, ‘oblimin’, ‘parsimax’, ‘parsimony’, ‘biquartimin’, ‘promax’

如果方法为’ml’，因子会被旋转以满足Bai和Li（2012）的条件IC3。这意味着得分具有协方差I，因此协方差矩阵的模型为L * L’ + diag(U)，其中L是载荷，U是唯一性。此外，L’ * diag(U)^{-1} L必须是 diagonal。

参考文献

方法

fit([maxiter, tol, start, opt_method, opt, ...])	估计因子模型参数。
from_formula(formula, data[, subset, drop_cols])	从公式和数据框创建模型。
loglike(par)	评估对数似然函数。
predict(params[, exog])	模型拟合后，predict 返回拟合值。
score(par)	评估得分函数（对数似然的一阶导数）。

属性

endog_names	内生变量名称
exog_names	外生变量的名称。