1. 为什么需要从SPSS转向Python做因子分析
十年前我刚入行数据分析时，SPSS几乎是每个分析师电脑里的标配。图形化界面点点鼠标就能出结果，对新手特别友好。但后来处理的数据量越来越大，项目需求越来越复杂，我逐渐发现了SPSS的三个致命伤：
第一是自动化程度低。每次数据更新都要重新点一遍菜单，遇到几十个城市的季度数据更新时，光点击操作就能耗掉一整个上午。有次我手滑点错了一个选项，结果不得不重做三小时的工作。
第二是灵活性不足。去年做省级经济指标分析时，客户临时要求增加特殊权重计算，SPSS的对话框里根本找不到对应选项。最后只能用计算器手动算，差点错过交付 deadline。
第三是难以复用。上个月同事找我请教某个因子旋转方法，我发现自己两年前在SPSS里的操作步骤早就记不清了，只能从头摸索。
相比之下，Python的代码可以保存为脚本反复运行，还能用Git进行版本管理。最近我用Python的factor_analyzer库处理某央企的年度审计数据，只需修改输入文件路径就能自动完成全部分析，效率提升了至少5倍。
提示：如果已经熟悉SPSS但没接触过Python，建议先掌握pandas基础操作再学习因子分析，这样上手会更快
2. 数据准备阶段的差异对比
2.1 数据导入方式
SPSS的数据导入就像用Windows资源管理器找文件——在菜单栏依次点击"文件>打开>数据"，然后从弹窗里选择Excel文件。虽然直观，但处理特殊格式时经常出问题。有次我导入的CSV文件因为含有中文注释，SPSS直接乱码，最后只能用文本编辑器手动删注释。
Python的pandas库则灵活得多：
import pandas as pd # 处理含中文的CSV data = pd.read_csv('城市数据.csv', encoding='GB18030', comment='#') # 读取Excel特定sheet data = pd.read_excel('经济指标.xlsx', sheet_name='2023年', skiprows=2)最近帮某电商平台分析用户行为数据时，他们提供的JSON文件有嵌套结构。用SPSS根本打不开，而Python只需：
import json with open('user_behavior.json') as f: data = pd.json_normalize(json.load(f))2.2 缺失值处理
SPSS的缺失值处理藏在"转换>替换缺失值"菜单里，提供序列均值、临近点均值等方法。但实际项目中经常需要组合多种处理方式，比如某金融客户要求：
- 连续变量用多重插补
- 分类变量用众数填充
- 超过30%缺失的指标直接删除
在SPSS里实现这些要反复点击不同菜单，而Python可以一气呵成：
from sklearn.impute import SimpleImputer, KNNImputer # 删除高缺失率列 data = data.loc[:, data.isnull().mean() < 0.3] # 分类变量用众数 cat_cols = ['行业类型', '企业性质'] data[cat_cols] = SimpleImputer(strategy='most_frequent').fit_transform(data[cat_cols]) # 连续变量用KNN num_cols = ['GDP', '财政收入'] data[num_cols] = KNNImputer(n_neighbors=3).fit_transform(data[num_cols])3. 因子分析核心流程对比
3.1 标准化处理
SPSS的标准化藏在"分析>描述统计>描述"的复选框里，新手经常找不到。更麻烦的是，标准化后的数据不会自动保存，每次都要重新操作。
Python的sklearn库则清晰明了：
from sklearn.preprocessing import StandardScaler scaler = StandardScaler() data_std = scaler.fit_transform(data) # 保存标准化后的数据 pd.DataFrame(data_std, columns=data.columns).to_csv('标准化数据.csv')上个月分析各省市经济指标时，客户突然要求查看标准化前后的数据对比。在Python里只需要：
pd.concat([data.describe(), pd.DataFrame(data_std, columns=data.columns).describe()], keys=['原始数据', '标准化数据'])3.2 适用性检验
SPSS的KMO和Bartlett检验需要依次点击"分析>降维>因子分析"，然后在弹出的对话框里勾选相应选项。最大的问题是无法自动提取检验结果，每次都要手动记录。
Python的factor_analyzer库则可以直接输出结构化结果：
from factor_analyzer import calculate_kmo, calculate_bartlett_sphericity kmo_all, kmo_model = calculate_kmo(data_std) bartlett, p_value = calculate_bartlett_sphericity(data_std) print(f'KMO值: {kmo_model:.3f}, Bartlett检验p值: {p_value:.4f}')最近做项目时，我进一步封装了这个过程：
def check_factor_analysis(data): kmo_all, kmo_model = calculate_kmo(data) bartlett, p_value = calculate_bartlett_sphericity(data) if kmo_model < 0.6: print(f'KMO值{kmo_model:.3f}低于0.6，建议删除以下变量：') return pd.Series(kmo_all, index=data.columns).sort_values() elif p_value > 0.05: print(f'Bartlett检验p值{p_value:.4f}大于0.05') else: print(f'KMO值{kmo_model:.3f}, Bartlett检验p值{p_value:.4f}，适合做因子分析')4. 因子提取与解释的实操差异
4.1 确定因子数量
SPSS会默认显示"初始特征值"表格，但需要手动查看"累积方差贡献率"列。更直观的方法是观察碎石图，但图形窗口不能直接保存数据。
Python可以同时获取数值结果和可视化：
import matplotlib.pyplot as plt fa = FactorAnalyzer(rotation=None, n_factors=10, method='principal') fa.fit(data_std) # 获取特征值 ev, _ = fa.get_eigenvalues() # 绘制碎石图 plt.scatter(range(1,11), ev[:10]) plt.plot(range(1,11), ev[:10]) plt.title('碎石图') plt.xlabel('因子个数') plt.ylabel('特征值') plt.savefig('碎石图.png') # 输出方差解释表 variance = pd.DataFrame({ '特征根': fa.get_factor_variance()[0], '方差贡献率': fa.get_factor_variance()[1], '累积贡献率': fa.get_factor_variance()[2] }) print(variance.head(5))4.2 因子旋转与解释
SPSS提供最大方差法、直接斜交旋转等方法，但旋转后的成分矩阵需要手动复制到Excel里标注高载荷变量。解释因子时还得在不同窗口间来回切换。
Python可以一次性完成旋转、可视化和解释：
# 使用最大方差法旋转 fa_rotated = FactorAnalyzer(rotation='varimax', n_factors=3, method='principal') fa_rotated.fit(data_std) # 获取旋转后的载荷矩阵 loadings = pd.DataFrame(fa_rotated.loadings_, index=data.columns, columns=[f'因子{i+1}' for i in range(3)]) # 标记高载荷变量 def highlight_high_loadings(s): return ['background-color: yellow' if abs(v) > 0.5 else '' for v in s] loadings.style.apply(highlight_high_loadings) # 绘制因子载荷热力图 import seaborn as sns plt.figure(figsize=(8,6)) sns.heatmap(loadings, annot=True, cmap='RdBu_r', center=0) plt.title('旋转后的因子载荷矩阵')去年分析消费者偏好数据时，我开发了一个自动生成因子解释的函数：
def interpret_factors(loadings, threshold=0.5): factor_dict = {} for col in loadings.columns: vars = loadings.index[abs(loadings[col]) > threshold].tolist() factor_dict[col] = vars print(f'{col}代表: {", ".join(vars)}') return factor_dict5. 因子得分与结果输出
5.1 计算综合得分
SPSS计算综合得分需要手动写公式，比如：
综合得分 = (0.72283 * FAC1_1 + 0.19629 * FAC2_1) / 0.91912每次因子分析后都要重新计算，极易出错。
Python可以自动完成整个过程：
# 计算因子得分 factor_scores = fa_rotated.transform(data_std) # 计算加权综合得分 weights = fa_rotated.get_factor_variance()[1][:3] # 各因子方差贡献率 weights /= weights.sum() # 归一化 composite_score = factor_scores @ weights # 合并原始数据 results = pd.DataFrame({ '地区': raw_data['地区'], '因子1': factor_scores[:,0], '因子2': factor_scores[:,1], '因子3': factor_scores[:,2], '综合得分': composite_score }) # 排序并保存 results.sort_values('综合得分', ascending=False).to_excel('因子分析结果.xlsx', index=False)5.2 可视化报告生成
SPSS的图表输出功能有限，要制作专业报告通常需要把数据导出到其他软件。而Python可以直接生成交互式HTML报告：
from plotly.subplots import make_subplots import plotly.graph_objects as go fig = make_subplots(rows=2, cols=2, subplot_titles=('因子载荷热图', '综合得分排名', '因子得分分布')) # 热力图 heatmap = go.Heatmap(z=loadings.values, x=loadings.columns, y=loadings.index, colorscale='RdBu_r', zmid=0) fig.add_trace(heatmap, row=1, col=1) # 条形图 top10 = results.nlargest(10, '综合得分') barchart = go.Bar(x=top10['地区'], y=top10['综合得分'], marker_color='skyblue') fig.add_trace(barchart, row=1, col=2) # 散点图 scatter = go.Scatter(x=results['因子1'], y=results['因子2'], mode='markers+text', text=results['地区'], marker_size=8) fig.add_trace(scatter, row=2, col=1) fig.update_layout(height=800, showlegend=False) fig.write_html('因子分析报告.html')最近给某政府部门做的区域发展评估中，这种自动化报告节省了至少20小时的手工制图时间。客户还可以在浏览器里交互式查看数据，比如鼠标悬停查看具体数值，这在SPSS里根本无法实现。
