大家好，又见面了，我是你们的朋友全栈君。
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”
![SPSS 实现KMO和Bartlett的球形度检验[通俗易懂]](https://img-blog.csdnimg.cn/e9df52ab85164c7f851f9bf281af9dd4.png)
![SPSS 实现KMO和Bartlett的球形度检验[通俗易懂]](https://javaforall.net/wp-content/uploads/2020/11/2020110817443450.jpg)
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，可以选择第一个变量后，按住shift键不放，再点击最后一个变量，就可以一下子选择全部变量。
![SPSS 实现KMO和Bartlett的球形度检验[通俗易懂]](https://img-blog.csdnimg.cn/ef5d09b07d79420a91711ad3ece8eea6.png)
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”
![SPSS 实现KMO和Bartlett的球形度检验[通俗易懂]](https://img-blog.csdnimg.cn/e9894ce320654efdb0920ccceb9b3cd0.png)
输出结果
![SPSS 实现KMO和Bartlett的球形度检验[通俗易懂]](https://img-blog.csdnimg.cn/066853c64ef44ea4a87ebd429689017e.png)
- KMO统计量值大于0.5，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。
备注
为了检验收敛效度和区别效度，首先要确定样本数据是否适合做因子分析，需要对提出的各个变量对应的各题项的样本数据进行Kaiser-Meyer-Olkin (KMO)和Bartlett球形检验。
假使KMO值小于0.5认为数据没能符合做因子分析的条件;
处于0.5-0.6之间则表示数据勉强符合做因子分析的条件;
处于0.6-0.7之间认为数据不太符合做因子分析的条件;
处于0.7-0.8之间认为数据符合做因子分析的条件;
处于0.8-0.9之间就认为数据很符合做因子分析的条件;
大于0.9表示非常符合做因子分析的条件。
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， 请联系我们举报，一经查实，本站将立刻删除。
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/147827.html原文链接：https://javaforall.net
