因子分析最后的公因子是其他变量的线性组合，你如果想压缩，只能找出合理的公因子继续分析

我觉得一些基本概念可以同楼主分享分享。
（1）从某种意义上说主成分是因子分析的一个特例。因子分析可以采用主成分方法做因子提取。因子分析方法有更加复杂的估计方法，不限于线性回归。stata一般采用pca命令或者 factor命令加上pcf选项，比如：pcf就对应spss的主成分因子分析法。
（2）因子分析，应该说比较早期和权威的软件是spss（尽管我已经习惯用stata了），spss里面的所有方差旋转等算法非常专业和精确，lz可以试试，同样样本，stata和spss计算的结果基本是一样的（如果不一样，一般是默认的方差旋转不一样，spss的旋转方法确实多一点）。
（3）因子分析之前，lz至少做一个球形检验吧，可能你这个样本不适合做因子分析。然后，stata输出的Scoring coefficients对应的是spss的因子得分系数阵，这一点也很重要哦。

那这样究竟怎么选择自变量呢？根据什么标准来进行选择？还有我找个是不是不可以做因子分析（因为我觉得我13个变量一起回归，显著的变量没有几个，而且拟合度也不是很好，所以我想做做因子分析看看），谢谢

谢谢你的解答！我这个结果从哪里可以看出不适合做因子分析呢？还有球形检验我没有听过也不知道怎么做啊，小弟很着急，还求明示，非常感谢！

您好，lz没有听说过就对了。如果检验结果意味着样本中各变量相关程度很低，就不适宜作因子分析。这个在spss里面才有，stata暂时不提供（遗憾，所以stata还有继续改进的空间）。KMO统计量（Kaiser-Meyer-Olkin）是用来辨别变量间偏相关的高低，取值的话，KMO越接近1，做因子分析的效果就越好。
希望对lz有帮助。还是继续支持Stata版！