亚威KMO是什么意思?

发布网友 发布时间：2022-04-30 11:42

我来回答

共1个回答

热心网友 时间：2022-06-21 22:09

KMO 和 Bartlett 的检验是为了检验是否适合做因子分析,一般来说KMO的值越接近于1越好,大于0.5的话适合做因子分析,你的KMO值是0.674大于0.5.Bartlett 的检验主要看Sig.越小越好,你的接近于0.由此可以得出,你的数据适合做因子分析.
第二个表是提取了两个个公因子来替代原来的8个原始变量,这两个因子的方差贡献率是78.604%,也就是说这两个公因子能够解释原来8个原始变量所包含信息的78.604%.
第三个表是旋转因子载荷,是为了方便对提取的两个公因子命名,旋转后,第一个因子在X1上的载荷最大,第二个因子在X2与X7上载荷最大,你可以根据X1,X2,X7的含义来对这两个因子命名.
第四个表是为了计算因子得分.比如第一个因子F1=X1*0.7+X2*0.101+X3*0.217+X4*0.236.+X8*0.241,xi到X8这8个原始变量的值的大小你是知道的,带进去就可以求出这两个因子的分数.

KMO 和 Bartlett 的检验
\x05取样足够度的 Kaiser-Meyer-Olkin 度量.\x05.674
Bartlett 的球形度检验\x05近似卡方\x05704.019
\x05df\x0528
\x05Sig.\x05.000
解释的总方差
成份\x05初始特征值\x05提取平方和载入
\x05合计\x05方差的 %\x05累积 %\x05合计\x05方差的 %
1\x054.647\x0558.087\x0558.087\x054.647\x0558.087
2\x051.641\x0520.518\x0578.604\x051.641\x0520.518
3\x05.635\x057.935\x0586.540\x05\x05
4\x05.617\x057.716\x0594.256\x05\x05
5\x05.323\x054.037\x0598.292\x05\x05
6\x05.105\x051.310\x0599.602\x05\x05
7\x05.031\x05.392\x0599.994\x05\x05
8\x05.000\x05.006\x05100.000\x05\x05
提取方法：主成份分析.
旋转成份矩阵a
\x05成份
\x051\x052
X1\x05.580\x05.643
X2\x05-.020\x05-.826
X3\x05.854\x05.057
X4\x05.974\x05.156
X5\x05.948\x05.062
X6\x05.675\x05.275
X7\x05.091\x05.894
X8\x05.952\x05.069
提取方法 :主成分分析法.
旋转法 :具有 Kaiser 标准化的正交旋转法.
a.旋转在 3 次迭代后收敛.
成份得分系数矩阵
\x05成份
\x051\x052
X1\x05.070\x05.287
X2\x05.101\x05-.461
X3\x05.217\x05-.078
X4\x05.236\x05-.038
X5\x05.241\x05-.087
X6\x05.142\x05.068
X7\x05-.091\x05.490
X8\x05.241\x05-.084