【问题标题】：Confirmatory Factor Analysis in PythonPython中的验证性因子分析
【发布时间】：2019-06-18 05:25:10
【问题描述】：

是否有在 python 中执行验证性因子分析的包？我发现了一些可以在 python 中执行探索性因子分析（scikitlearn、factor_analyzer 等），但我还没有找到可以执行 CFA 的包。

【问题讨论】：

标签： python scikit-learn statistics factor-analysis dimension-reduction

【解决方案1】：

Spyder 中的 python 3.7.3 (Anaconda Navigator)

factor_analyzer 也做 CFA：

导入必要的库

import pandas as pd
from factor_analyzer import FactorAnalyzer

导入样本数据

df= pd.read_csv("test.csv")

验证性因素分析

from factor_analyzer import (ConfirmatoryFactorAnalyzer, ModelSpecificationParser)    

model_dict = {"F1": ["V1", "V2", "V3", "V4"], "F2": ["V5", "V6", "V7", "V8"]}

model_spec = ModelSpecificationParser.parse_model_specification_from_dict(df, model_dict)

cfa = ConfirmatoryFactorAnalyzer(model_spec, disp=False) 

cfa.fit(df.values) 

cfa.loadings_

V1 到 V8 是指数据框中您希望分配给每个因子（F1 和 F2）的列的名称。您需要根据您的数据集和您正在测试的假设，将 V1 到 V8 替换为适当的列名。

【讨论】：

这在 python 3.7 中似乎不起作用。我已尝试更新 factor_analysisr 以允许这样做，但似乎存在一些不兼容问题。
我在 Spyder 中使用过 python 3.7.3。
我创建了一个新的虚拟环境，这解决了我的问题。感谢您的回答。
“factor_analyzer 也做 CFA”——是吗？ CFA的目的不就是检验假设吗？这只是拟合模型。
CFA 代表验证性因素分析。此行从 factor_analyzer 导入 CFA 函数 from factor_analyzer import (ConfirmatoryFactorAnalyzer, ModelSpecificationParser) 拟合模型后，通过查看拟合指数和因子载荷（取决于您正在测试的内容），您可以调查您的假设。

【解决方案2】：

你可以试试包 psy (https://pypi.org/project/psy/)。我找不到它的文档，但我可以阅读用中文编写的 cmets。

例子：

    import psy

    # items is a pandas data frame containing item data 

    # Specify how the items are mapped to the factors
    # In this case, all mapped to one factor
    item_factor_mapping = np.array([[1]] * items.shape[1])

    print(psy.cfa(items, item_factor_mapping))

【讨论】：