大家好，又见面了，我是你们的朋友全栈君。
用于检验相关阵是否为单位阵，即检验各个变量是否各自独立。
在因子分析中，若拒绝原假设，则说明可以做因子分析，若不拒绝原假设，则说明这些变量可能独立提供一些信息，不适合做因子分析。
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，(巴特利特球体检验的x2统计值的显著性概率)P值<0.05时，问卷才有结构效度，才能进行因子分析,因子分析主要是你自己做了一份调查问卷，你要考量这份问卷调查来的数据信度和效度如何，能不能对你想要调查的东西起代表性作用啊，说得很通俗呵呵不知道能不能理解呢，在SPSS里面，Analyze—Factor就是因子分子，在左下角第一个框框description里面勾选最下面的那个KMO and Bartlett’s test of sphericity，就会出来结果哈，看表格的第一行为KMO值，最后一行Sig为球星检验的P值，小于0.05即可。
详细的计算原理我就不介绍了，简单一点说吧。按照理想情况，如果我们有一个变量，那么所有的数据都在一条线上。如果有两个完全独立的变量，则所有的数据在两条垂直的线上。如果有三条完全独立的变量，则所有的数据在三条相互垂直的线上。如果有n个变量，那所有的数据就会在n条相互垂直的线上，在每个变量取值范围大致相等的情况下（常见于各种调查问卷的题目），所有的数据分布就像在一个球形体里面。想象一下万剑穿心的情形，大抵就是那个样子。如果不对数据分布进行球形检验，在做因素分析的时候就会违背因素分析的假设——各个变量在一定程度上相互独立。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，则数据呈球形分布。
用SPSS进行因子分析时如何进行Bartlett’s球状检验：
1输入数据。
2点Analyze 下拉菜单，选Data Reduction 下的Factor 。
3打开Factor Analysis后,将数据变量逐个选中进入Variables 对话框中。
4单击主对话框中的Descriptive按扭，打开Factor Analysis: Descriptives子对话框，在Statistics栏中选择Univariate Descriptives项要求输出个变量的均值与标准差，在Correlation Matrix 栏内选择Coefficients项，要求计算相关系数矩阵，单击Continue按钮返回Factor Analysis主对话框。
5单击主对话框中的Extraction 按钮，打开如下图所示的Factor Analysis: Extraction 子对话框。在Method列表中选择默认因子抽取方法——Principal Components，在Analyze 栏中选择默认的Correlation Matrix 项要求从相关系数矩阵出发求解主成分，在Exact 栏中选择Number of Factors;6， 要求显示所有主成分的得分和所能解释的方差。单击Continue按钮返回Factor Analysis主对话框。
6单击主对话框中的OK 按钮，输出结果。
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/150503.html原文链接：https://javaforall.net
