spss因子分析kmo值小怎么辦 spss共同度的表是怎么樣的？

spss共同度的表是怎么樣的？最后一個表，KMO0.602，KMO為00.7才適合我接受因子分析。第二個表，叫共同度，是說被其他提取的信息量，比如第二個數0.69，那說明主成分提純了c2的69%的信息

spss共同度的表是怎么樣的？

最后一個表，KMO0.602，KMO為00.7才適合我接受因子分析。

第二個表，叫共同度，是說被其他提取的信息量，比如第二個數0.69，那說明主成分提純了c2的69%的信息。

第三個表，最重要的是的，提純了一個主成分，即一個因子。第一個數是48.9%，也只能證明不更適合做因子分析，因子分析好象特別要求累計時間提純信息量在85%以上。

第四個表，是載荷矩陣。這個可以用它求特征向量。假如前K個主成分的貢獻率提升85%，表明前k個主成分基本是包涵了全部測量指標所具有的信息，這樣的既會減少了變量的個數，又以便于對換算問題的分析和研究。第四個表怎么能詳細點下，這是因子載荷矩陣，總是顯示的是各因子在各變量上的載荷，即是各因子對各變量的影響度。

諸如，第1個數是0.867，是因為：Zc10.867F1ε，會容易看得出，0.867就是另一個主成分對標準化的變量ZC1的影響度。

spss中近似卡方和df的有效值范圍？

kmo的取值在0—1之間。去考察的是變量之間的偏相關性。取值越距離1，那說明變量之間的相關性越高。qpe0.9，只能說明效果極佳；0.8,效果很好；0.7,效果尚可，0.6則像是，0.5再看看就不個人建議做因子分析了。

Bartlett檢驗分析的是變量是否需要相互獨立。當卡方檢驗的概率（sig）大于10.05時，是因為變量之間又不是相當于的，變量之間存在不顯著去相關。此時可以不做因子分析了。加入kmo值太小，或者sig為00.05，只能證明因子分析好是千萬不能做了，因為才能做成的因子不代表性。

主成分分析，用spss軟件，kmo值必須大于0.7嗎？

KMO是能做主成分講的效度檢驗指標之一,以前的文獻中寫說,KMO在0.9以上，相當比較好做因子分析；在0.8-0.9之間，很比較適合；在0.7-0.8之間，比較適合；在0.6-0.7之間，尚可；在0.5-0.6之間，意思是不怎么好；在0.5以下應該是徹底放棄.

我覺著KMO在0.6左右還行,很有可能是交了任務之后效果不是很不錯吧,我做因子分析時候的KMO在07左右的,沒有無過0.65的,老師沒有說不成績合格的.

PS:0.6左右影響不會很大,但老師說不合格這點就好像有點各位,(你是可以去說服老師,或者你來改數據).主成分分析是因子分析的一個一種特例,主成分分析就是在進行因子分析的時候前幾個主成分的特征值累計占總方差的80%以上,后面的因子省略因子分析應該是是沒有去設置主因子,幾乎憑數據來分析,同兩道題,同一組數據,多元線性回歸的結果比主成分分析解釋什么性更強.