大家好，又见面了，我是你们的朋友全栈君。
文章目录
实现KMO和Bartlett的球形度检验的两种方法
SPSS 实现KMO和Bartlett的球形度检验
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”
![实现KMO和Bartlett的球形度检验的两种方法[通俗易懂]](https://img-blog.csdnimg.cn/20190104211807215.png)
![实现KMO和Bartlett的球形度检验的两种方法[通俗易懂]](https://javaforall.cn/wp-content/themes/justnews/themer/assets/images/lazy.png)
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，比如，我这里选择x1-x8，就是选择x1变量后，按住shift键不放，再点击x8变量，就可以一下子选择8个变量。
![实现KMO和Bartlett的球形度检验的两种方法[通俗易懂]](https://img-blog.csdnimg.cn/20190104212101977.png)
![实现KMO和Bartlett的球形度检验的两种方法[通俗易懂]](https://javaforall.cn/wp-content/plugins/wp-fastest-cache-premium/pro/images/blank.gif)
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”
![实现KMO和Bartlett的球形度检验的两种方法[通俗易懂]](https://img-blog.csdnimg.cn/20190104212559978.png)
输出结果
![实现KMO和Bartlett的球形度检验的两种方法[通俗易懂]](https://img-blog.csdnimg.cn/20190104213002570.png)
- KMO统计量值为0.809，大于0.5，且0.8～0.9之间，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。
SAS 实现KMO和Bartlett的球形度检验
proc factor data = dataset.examp733 method=ml heywood msa;
/*在proc factor过程*/
/*输出球形度检验：加上method=ml heywood*/
/*输出KMO：加上msa*/
var x1-x8;
run;
![实现KMO和Bartlett的球形度检验的两种方法[通俗易懂]](https://img-blog.csdnimg.cn/20190104212917132.png)
![实现KMO和Bartlett的球形度检验的两种方法[通俗易懂]](https://img-blog.csdnimg.cn/20190104213747415.png)
不同软件得到的结果是一样的，对于KMO，在SAS中得到的是0.80921682，保留三位小数之后也是0.809，和SPSS的是一样的。
数据集来源
想要练手的小伙伴可以下载这个例子的数据，其中数据集examp733的下载地址
链接：https://pan.baidu.com/s/1Nhzen-WDCcmcJXSfOE0EYw
提取码：np54
这是王学名老师《应用多元统计分析》例7.3.3的题。
参考资料
- https://bbs.pinggu.org/thread-2635106-1-1.html
- https://zhidao.baidu.com/question/281032476.html
- http://wenku.baidu.com/view/80312d7aba0d4a7303763a6e
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 举报，一经查实，本站将立刻删除。
发布者：全栈程序员-用户IM，转载请注明出处：https://javaforall.cn/147541.html原文链接：https://javaforall.cn
【正版授权，激活自己账号】： Jetbrains全家桶Ide使用，1年售后保障，每天仅需1毛
【官方授权 正版激活】： 官方授权 正版激活 支持Jetbrains家族下所有IDE 使用个人JB账号...