神马作文网spss进主成分分析时KMO太高怎么办
来源：学生作业帮助网 编辑：作业帮 时间：2024/11/11 01:53:02
其实不需要的,你只要去掉%,主成分是自动标准化数据的,也就是去单位运算
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
可以看看,邮箱：shendingjian@yahoo.cn
直接在因素分析里做analyze——Datareduction——Factor并在descreptives里选择KMO就可以了
正负号只是表示关系的正负这不影响主成分分析主要看绝对值的大小绝对值大就表示关系强
一般要读KMO、碎石图、累计解释率、共同度、因子最大正交旋转后的rotate图
感觉问错了吧,应该是怎样用spss解决主成分分析的问题吧!其实主成分分析的数据处理过程含以下几个方面：1.数据的标准化.2.标准化后数据的协方差阵3.协方差阵的特征值特征向量4.计算累积贡献率,确定主
因为对阁下的题目不了解,所以不知道上图中的结果代表什么含义.你的理解是正确的,主成分分析得到的主成分是一个综合性指标.从数学的运算来看,主成分分析的过程只是在原来的相关系数矩阵上做了一个正交旋转.而降
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.
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
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
KMO检验用于检查变量间的偏相关性一般认为该值大于0.9时效果最佳0.7以上尚可,0.6时效果较差Bartlett's球形检验用于检验相关阵是否是单位阵P
在因子分析时,点击得分-保存因子得分即可,在回归分析时,将Y输入到dependent,F1F2输入到indenpendent,下面那位说错了.再问：就是一开始肯定没有YF1和F2的，提取出来主成分怎么
主成份分析是为了提前众多指标中有典型代表性的几个主要成分,其中主成分的一种计算得分方法是用回归方法而回归分析是为了构建一个自变量和因变量的关系模型,从而可以找到有效的预测因变量的方式所以回归分析需要有
①如果你的指标因子中出现了负向指标,即你说的越小越好,那么我建议你不要用SPSS进行标准化,因为SPSS默认的标准化方法是标准差标准化,对负向指标不太合适.你可以手动用excel进行极差标准化,公式为
先看下你的研究领域,有的文献大于0,5都接受了
你得设置因子载重值排序啊,你看特征根值大小进行比较哪个影响大