kmo适合因子分析 - 经验交流

以下因子省略；因子分析因子分析的结果比主成分分析的结果更能说明问题。或者可以修正数据)，主成分分析是因子分析的特例，如果大于0.6，说明适合分析，否则说明不适合分析，Step3结果的解读:①判断数据是否适合因子-2/首先，检查收集的原始变量是否适合因子-2/，我们用KMO检验和Bartlett检验结果进行判断。

1、用spssau做因子分析,KMO值过低怎么办?通常需要大于0.6的KMO值。如果有两个分析项，则KMO值必须为0.5；所以建议删除共性低的条目(common 因子 variance)，可以提高KMO值。如果没有输出KMO值，则意味着数据质量很差。建议用相关性分析来看相关性。如果相关系数值基本上小于0.3，则意味着项目之间的相关性较弱， KMO可能无法计算产量。

2、效度检验 kmo值KMO是主成分分析的效度检验指标之一。之前文献写KMO在0.9以上，非常适合做因子-2/；0.80.9之间，非常合适；0.70.8之间，合适；0.60.7之间，可以接受；0.50.6之间，表示很差；低于0.5就该放弃了。我觉得KMO在0.6左右还可以，可能做完之后效果不是很好。我做因子-2/时的KMO在07左右。
【kmo适合因子分析】
老师没说不合格。PS:0.6左右不会有太大影响，但是老师说不合格就有点麻烦了(可以说服老师，也可以修正数据) 。主成分分析是因子-2/的特例。主成分分析是指当因子分析时，前几个主成分的特征值占总方差的80%以上，下面的因子省略；因子分析就是不设主因子，完全依靠数据分析，同一题目，同一组数据，因子。

3、因子分析法的对照企业怎么选取Step1资料准备:根据研究目的收集相关资料。在这个例子中，我们收集了14个问题的相关数据。因子分析数据一定要量化，问卷数据一般都是量表题。Step2选项设置:点击高级方法[因子分析] 。向右拖动项目分析，直接点击使用SPSS AU因子分析。结果详细智能分析，类似下图。因子分析指从变量组中提取共性的统计技术因子。它是由英国心理学家C.E .斯皮尔曼首先提出的。他发现学生各科成绩之间存在一定的相关性，一科成绩好的学生往往其他科成绩更好，从而推断是否存在某些潜在的共性因子，或者是某些一般性的智力条件影响了学生的学习成绩。
将本质相同的变量归入一个因子可以减少变量个数，检验变量间关系的假设。因子分析的前提条件因为因子分析的主要任务之一就是对原始变量进行浓缩，即将原始变量中的重叠信息提取合成到因子中，并最终实现，因此，它要求原始变量之间有很强的相关性。否则，如果原始变量相互独立，相关程度很低，没有信息重叠，不能共享因子，那么就不能合成集中，也就没有必要进行因子分析。