spss分析的KMO=0.99

*代表p再问：能具体说说表格中每个数字的意思吗？比如表中哪个数字代表P值，哪个数字代表样本量等等再答：。。。。55是样本量，0.003是p，你这完全不懂，还是别自己瞎做再问：那1和0.399呢？

_问题描述：在SPSS中做主成成分分析的时候有一步是指标之间的相关性判定,我想知道具体是怎么进行判定的,他的算法、原理是什么?答案1：：说判定有些严格,其实就是观察一下各个指标的相关程度.一般来说相关

说判定有些严格,其实就是观察一下各个指标的相关程度.一般来说相关性越是高,做主成分分析就越是成功.主成分分析是通过降低空间维度来体现所有变量的特征使得样本点分散程度极大,说得直观一点就是寻找多个变量的

你完全不懂因子分析吧,不存在共线性是不能做因子分析的,kmo大小无所谓的,79%已经很大了再问：是不太懂。不是说KMO要70%以上才算合格吗？再答：只要这个检验p

看sig.,按照你选择的置信度,一般会默认选择5%,由于你选择双侧检验,所以就是将sig对2.5%对比,如果sig大于2.5%,则可以拒绝原假设,相反则不能拒绝,这里的sig就等于P值再问：所以说在1

直接在因素分析里做analyze——Datareduction——Factor并在descreptives里选择KMO就可以了

那些和其他变量相关性都很小的变量就是解释方差很小的变量,或者从旋转载荷矩阵表上来看,那些变量在各个成分上的载荷都小于0.5,就是解释方差很小的变量,应该剔除,这样就可以提高KMO值了.

KMO值是由你的数据算出来的,不是所有的数据都适合做主成分分析.只有KMO值只有0.5说明你的数据样本不适合做主成分分析,下面做的一切都是不合理的.KMO值不能提高,除非你换一组数据.

仅作主成分分析是不用看KMO值的,提取主成分中解释方差较大的变量,构建新的指标体系,然后在试图用因子分析,另外注意,主成分分析一般不用来赋权!

做个相关或者偏相关分析看看,把那些与其中任何一个变量相关性都很弱的变量剔除出去,再试下

是说这个矩阵不是正定的,我知道你可能还是不明白,我帮你查了很多资料,正定矩阵意思是说数据特征的特征值不是都大于0的,因此我推测你数据中可能存在问题,有负的特征值,怎么改数据,我还不清楚,我还得学习学习

如果不相关,就没有必要用因子分析,因子分析只在高度相关时才能使用.正确的选择方法才是关键.再问：写论文题目早就定下来了，没法改了，而且我找了好几份参考的论文，也都是用因子分析法分析跟我一样的问题的，我

KMO是做主成分分析的效度检验指标之一,以前的文献中写说,KMO在0.9以上,非常合适做因子分析；在0.8-0.9之间,很适合；在0.7-0.8之间,适合；在0.6-0.7之间,尚可；在0.5-0.6

效度分为很多,你说的应该是结构效度因子分析有标准步骤,不是说你这么做因子分析就不好,他那么做因子分析就好需要对哪些变量做因子分析,要根据你的目的来决定kmo是必须要看的我经常帮别人做这类的数据分析

KMO值检验的作用是看看你的这些题目的内部相关,存不存在一定量的局部因子,那么,如果内部相关太低,那KMO值就不高,你这里我不知道是只放了两个项目还是怎么回事,如果只有两个项目,那KMO不高太正常了,

一般资料看上面的那个,0.020,小于0.05,统计学差异显著.再问：也就是说看sig（双侧）上面那个值就行了？小于0.05为显著？请问第一个sig0.252是什么意思啊，还有假设方差不想等那一行的s

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,(巴特利特在spss中的因素分析时有关于bartlet球形检验的选项,如果sig值小于0.05,则

操作完了点击OK,而不是点击Paste来粘贴语法.如果生成了Syntax语法窗口,就点击run执行语句就行了

是这样的：首先你要弄清楚逐步回归的原理.这个原理我就不说了,很多的.然后,确定判断标准：一个是使用F的概率值作为统计变量,系统默认sig.再问：我看概率显示是显著的，但我用DPS做的时候，出现的结果不

你直接用SPSS的菜单上的回归就可以做了,有向导的,你跟着做就是了,最后就会得到结果,至于99.7%的参数中间有一步你可以自己改参数的