KMO和Bartlett 的球形度检验
关键词：kmo和bartlett检验, kmo和bartlett的检验,bartlett球形检验
KMO（Kaiser-Meyer-Olkin)
检验统计量是用于比较变量间简单相关系数和偏相关系数的指标。
KMO统计量是取值在0和1之间。当所有变量间的简单相关系数平方和远远大于偏相关系数平方和时，KMO值接近1.KMO值越接近于1,意味着变量间的相关性越强，原有变量越适合作因子分析；当所有变量间的简单相关系数平方和接近0时，KMO值接近0.KMO值越接近于0,意味着变量间的相关性越弱，原有变量越不适合作因子分析。
Kaiser给出了常用的kmo度量标准: 0.9以上表示非常适合；0.8表示适合；0.7表示一般；0.6表示不太适合；0.5以下表示极不适合。
Bartlett 球度检验：
巴特利特球度检验的统计量是根据相关系数矩阵的行列式得到的，如果该值较大，且其对应的相伴概率值小于用户心中的显著性水平，那么应该拒绝零假设，认为相关系数矩阵不可能是单位阵，即原始变量之间存在相关性，适合于做主成份分析；相反，如果该统计量比较小，且其相对应的相伴概率大于显著性水平，则不能拒绝零假设，认为相关系数矩阵可能是单位阵，不宜于做因子分析。
什么是Bartlett球形检验？具体做的是什么的检验？Spss中如何判断？
因子分析前，首先进行KMO检验和巴特利球体检验，KMO检验系数>0.5，(巴特利特球体检验的x2统计值的显著性概率)P值<0.05时，问卷才有结构效度，才能进行因子分析,因子分析主要是你自己做了一份调查问卷，你要考量这份问卷调查来的数据信度和效度如何，能不能对你想要调查的东西起代表性作用啊，说得很通俗呵呵不知道能不能理解呢，在SPSS里面，Analyze—Factor就是因子分子，在左下角第一个框框description里面勾选最下面的那个KMO and Bartlett’s test of sphericity，就会出来结果哈，看表格的第一行为KMO值，最后一行Sig为球星检验的P值，小于0.05即可，我不能上传图片，就只能这样描述了
因子分析显示结果不是正定矩阵，通不过球形检验，是不是就不能用因子分析方法。有没有什么解决方法，看其他帖子有人回帖说是因为样本数据太少，可是是对一个案例的各年绩效评分，年份多了也没有什么意义，用的是六年的数据。求大侠解惑~~？？？
首先，你要先确定是正定矩阵，用比较笨的方法，逐一淘汰法。刚开始不把所有变量都用来做因子分析，只选取一小部分，若spss没有再提示“非正定矩阵”而是正常输出KMO检验值，且顺利完成因子分析结果，则进行下一步，逐个添加其他变量进行测试，当发现添加某个变量spss提示“非正定矩阵”时，就记下这个变量，然后再换成下一个变量继续测试，直到把所有变量测试完。再把这些出现非正定矩阵的变量剔除。
| KMO超过0.7不是可以做主成分分析的吗？低于0.6的话不行。 |
是低于0.5就不适宜做因子分析，超过0.7效果较好
因子分析要求样本量丰富，一般样本量与变量数的比例要达到5:1
| KMO：0.797. 可以做。 判断原始变量之间是否有相关性。判断的方法为Bartlett球形检验和KMO方法。 经验上，因子分析方法要求个案个数是变量个数的10到25倍。如果个案个数相对于变量个数而言较少，那么考虑用主成分法来替代。 建议如果变量中有分类变量，那么分类变量的可取值个数要不小于5。 |
