实现KMO和Bartlett的球形度检验的两种方法[通俗易懂]

实现KMO和Bartlett的球形度检验的两种方法[通俗易懂]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”第二步:选择变量第三步:选择KMO和巴特利特球形度检验输出结果SAS实现KMO和Bartlett的球形度检验数据集来源参考资料实现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…

大家好,又见面了,我是你们的朋友全栈君。

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]

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]

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]

输出结果

实现KMO和Bartlett的球形度检验的两种方法[通俗易懂]
  • 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]
实现KMO和Bartlett的球形度检验的两种方法[通俗易懂]

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

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...

(0)
blank

相关推荐

发表回复

您的电子邮箱地址不会被公开。

关注全栈程序员社区公众号