Python 是否有标准的适合度来验证探索性因素分析？

我正在用最大似然法和Varimax正交旋转法在R、Python、Mplus和SPSS中建模探索性因素分析。然而，每种软件都给出了不同的拟合度量，我不确定以下哪种拟合度量能够确认因子分析的有效性：

KMO试验

Bartlett球度试验

比较拟合指数（CFI）/塔克-刘易斯指数（TLI）

卡方统计

RMSEA

SRMR

以下是之前的两项研究，其中提到了全民教育模式中的前两项措施，而在其他研究中提到了全部六项措施的部分或组合：

Börjesson M、Hamilton CJ、Näsman p、Papaix C（2015）推动公众支持道路拥堵缓解政策的因素：斯德哥尔摩、赫尔辛基和里昂的拥堵收费、免费公共交通和更多道路。运输协议A部分政策实践78:452–462

李磊，白烨，宋Z，等（2018）基于当前乘客忠诚度的公共交通竞争力分析。运输协议A部分政策实践113:213–226

---

请帮我解决这个问题

因为上面有一个SPSS标签，我将回答SPSS在因子程序中为探索性因子分析提供了什么。正如其他人所提到的，Bartlett球度测试和KMO统计基本上是对是否有共同点作为共同因素分析基础的健全性检查。其他指标是数据与模型的拟合度。其中唯一可用的因子是最大似然和广义最小二乘估计的卡方检验。这基本上为您提供了数据是否不适合模型的信息（p值很小），并且需要更多的因素来提高拟合度。

因为这上面有一个SPSS标签，我将回答SPSS在因子过程中为探索性因子分析提供了什么。正如其他人所提到的，Bartlett球度测试和KMO统计基本上是对是否有共同点作为共同因素分析基础的健全性检查。其他指标是数据与模型的拟合度。其中唯一可用的因子是最大似然和广义最小二乘估计的卡方检验。这基本上为您提供了有关数据是否与模型拟合不良（p值较小）的信息，并且需要更多的因子来改善拟合。

我不是因子分析专家，但据我所知，KMO会测量数据中的球形度。更为球形的数据（圆形分布）在降低维度、降低因子分析质量方面更为糟糕。因此，KMO告诉您在降低数据维度时做得有多好。因为这与任何特定的编程语言无关，通常是关于统计方法的，所以您应该在统计问题的主题位置提问，而不是堆栈溢出。谢谢，Umberto。是的，KMO是检查样本可因子性的初始测试以及Bartlett测试。我的样品对这两项测试都很满意。谢谢你把它拿出来。我用交叉验证的方式发布了这个问题。谢谢！！我不是因子分析专家，但据我所知，KMO测量的是数据中的球形度。更为球形的数据（圆形分布）在降低维度、降低因子分析质量方面更为糟糕。因此，KMO告诉您在降低数据维度时做得有多好。因为这与任何特定的编程语言无关，通常是关于统计方法的，所以您应该在统计问题的主题位置提问，而不是堆栈溢出。谢谢，Umberto。是的，KMO是检查样本可因子性的初始测试以及Bartlett测试。我的样品对这两项测试都很满意。谢谢你把它拿出来。我用交叉验证的方式发布了这个问题。谢谢！！