SPSS 实现KMO和Bartlett的球形度检验[通俗易懂]

大家好，又见面了，我是你们的朋友全栈君。

第一步：选择“因子分析”

导入数据后，按顺序选择就好：“分析”-“降维”-“因子”

SPSS 实现KMO和Bartlett的球形度检验[通俗易懂]

第二步：选择变量

如果只有一个变量，选中之后，再点击一下中间向右边的那个箭头 多个变量的话，可以选择第一个变量后，按住shift键不放，再点击最后一个变量，就可以一下子选择全部变量。

SPSS 实现KMO和Bartlett的球形度检验[通俗易懂]

第三步：选择KMO和巴特利特球形度检验

这里，先不要急着点“确定”，先选择“描述”，接着在“相关性矩阵”那里勾选“KMO和巴特利特球形度检验”

SPSS 实现KMO和Bartlett的球形度检验[通俗易懂]

输出结果

SPSS 实现KMO和Bartlett的球形度检验[通俗易懂]

• KMO统计量值大于0.5，可以看出变量间的相关程度无太大差异，数据很适合做因子分析；
• 巴特利特球形检验的结果小于0.05，球形假设被拒绝，原始变量之间存在相关性，适合做因子分析。

备注

为了检验收敛效度和区别效度，首先要确定样本数据是否适合做因子分析，需要对提出的各个变量对应的各题项的样本数据进行Kaiser-Meyer-Olkin (KMO)和Bartlett球形检验。

假使KMO值小于0.5认为数据没能符合做因子分析的条件;

处于0.5-0.6之间则表示数据勉强符合做因子分析的条件;

处于0.6-0.7之间认为数据不太符合做因子分析的条件;

处于0.7-0.8之间认为数据符合做因子分析的条件;

处于0.8-0.9之间就认为数据很符合做因子分析的条件;

大于0.9表示非常符合做因子分析的条件。

发布者：全栈程序员栈长，转载请注明出处：https://javaforall.cn/147827.html原文链接：https://javaforall.cn