一、巴特利特球形检验法是以相关系数矩阵为基础的.它的零假设相关系数矩阵是一个单位阵,即相关系数矩阵对角线,所有 非对角线上的元素均为零.巴特利特球形检验法的统计量是根据相关系数矩阵的行列式得到的.如果该值较大,且其对应的相伴概率值小于指定 的显著水平时,拒绝零假设,表明相关系数矩阵不是单位阵,原有变量之间存在相关性,适合进行主成分分析;反之,零假设成立,原有变量之间不 存在相关性,数据不适合进行主成分分析。

二、球形检验主要是用于检验数据的分布,以及各个变量间的独立情况。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,大抵就是那个样子。如果不对数据分布进行球形检验,在做的时候就会违背的假设——各个变量在一定程度 上。

三、在spss中的时有关于bartlet 球形检验的选项,如果sig值小于0.05,则数据呈球形分布。

Bartletts球状检验是一种数学术语。用于检验相关阵中各变量间的相关性,是否为单位阵,即检验各个变量是否各自独立。因子分析前, 首先进行和巴特利球体检验。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,首先进行和巴特利球体检验。用于检查变量间的相关性和偏相关性,取值在0~1之前。KMO统计量越接近于1,变量间的相关 性越强,偏相关性越弱,因子分析的效果越好。实际分析中,KMO统计量在0.7以上时效果比较好;当KMO统计量在0.5以下,此时不适合 应用因子分析法,应考虑重新设计变量结构或者采用其他统计分析方法。

Leave a comment

您的电子邮箱地址不会被公开。 必填项已用*标注