请教各位，我用R对别人论文的损失率数据，用beta 分布拟合，参数估计结果是3.97和3.85，而原文用STATA估计的结果是6.36和5.7。做K-S检验，我的P值是0.01835，而原文的P值是0.3657，说明似乎原文的估计结果更为合理。
不知道问题出在哪里，怎么R估计出来的好像不是最优拟合参数呢？
PS：我用R中其他函数的运行结果也类似。
R程序如下：
res =fitdistr(rate, "beta", start=list(shape1 =4, shape2 =5))
ks.test(rate,"pbeta",3.97,3.85)
ks.test(rate,"pbeta",6.36,5.7)


数据为(附件为csv格式)：
rate
0.599771943        0.511062689        0.577314431        0.466203107        0.576348136        0.540878457        0.543063376        0.56423037        0.516957536        0.616257004        0.647675622        0.539647152        0.582352102        0.569858168        0.658330823        0.378698909        0.627298259        0.584641644        0.718358437        0.659514051        0.563963013        0.545025851        0.576463468        0.747825764        0.352094528        0.382502407        0.589857646        0.769233635        0.540446685        0.505931663        0.478257294        0.469807752        0.569219725        0.736773087        0.291069612        0.395775209        0.3616732        0.407031959        0.354412221        0.566159696        0.195480866        0.638889177        0.459494258        0.537586609        0.514305604        0.536957079        0.501197678        0.60091719        0.506864483        0.469615946        0.673435468        0.618778027        0.451982626        0.516420803        0.631793362        0.537203055        0.034412497        0.555828896        0.46080843        0.57670383        0.632716515        0.564006127        0.353356739        0.571730419        0.703004476        0.43509963        0.425238753        0.807786571        0.744608408        0.592720737        0.443824844        0.511965534        0.415364792        0.485379531        0.395287594        0.299500312        0.274880099        0.476667621        0.230888804        0.548888983        0.213454156        0.604876889        0.526203992        0.527006971        0.530583102        0.486716208        0.451622189        0.510260854        0.397460449        0.757614502        0.537507528        0.524631384        0.622800279        0.561640978        0.630584222        0.642947822        0.583195325        0.569920466        0.759640385        0.64628938        0.606067059        0.844084846        0.447349754        0.54565814        0.57175306        0.527548254        0.482418718        0.807394323        0.444930496        0.239630441        0.207446825        0.182819312        0.770257175        0.787544778        0.358453988        0.282961922        0.335806593        0.481910397        0.199464719        0.501315112        0.243644068        0.622408539        0.668702927        0.533666322        0.59954548        0.559020372        0.478308573        0.723602915        0.55158703        0.462138878        0.601056881        0.572810442        0.262992378        0.71389781        0.521414655        0.457197926        0.508422845        0.760361924        0.455721581        0.739619591        0.816359315        0.620054898        0.850544591        0.496535458        0.567783699        0.671413676        0.576214231        0.548306387        0.737373508        0.547505497        0.186240973        0.075383271        0.027820711        0.340728379        0.271819453        0.322715148        0.265764393        0.313292572        0.219300201        0.489138118        0.417781381