用spss做kmo和bartlett检验步骤
来源:学生作业帮助网 编辑:作业帮 时间:2024/10/03 10:35:05
线性回归的r达到显著水平,说明回归是有效的.大多数自变量的回归系数不显著说明这些自变量的预测力度并不理想.可能是回归方法的问题,楼主用enter这种方法回归就会出现这种情况,改用stepwise或者是
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
你把变量弄少一点就可以了.
根据学者的相关研究,做因子分析样本容量最好不小于100人,题目与被试比例最好是1:5,最起码样本量不可以小于指标数量(以上内容请参考吴明隆统计实务),否则因子分析难以得到稳定可靠的结果,虽然操作还是可
直接在因素分析里做analyze——Datareduction——Factor并在descreptives里选择KMO就可以了
设要做二因素的正交设计,A因素有三个水平,B因素有两个水平.则选择Data-->OrthogonalDesign-->generate,弹出的就是正交设计窗口:Factorname框:输入A:单击AD
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.
不可以的如果要尊重事实的话,你数据出来就是这样的结果,为什么要拒绝这样的结果呢?
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!
是的,这是因子分析的前提条件,通不过这两个东西就说明量表不适合做因子分析再问:可是我看了好多论文上面在做因子分析时都没有做相关检验的,还是在核心期刊上,我把那些数据检验一下救过都是显示Thismatr
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
应该是用重复测量的方差分析来做的
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,
做km分析,或者cox都可以的详细过程内容太多了再问:我想问一下都统计哪些数据?是不是生存或死亡的状态、以及生存时间?还有其他的吗?再答:是的,还有你的实验分组,以及其它相关病人的信息再问:其他相关病
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
你看下没出来这个结果的英文提示是什么,这个一般是你的数据有问题的