锐客网

  1. 首页 > 睿知 > >

不适合做主成分分析,spss做主成分分析结果解释

经验分享睿知

做主成分分析 ， master成分分析 ， 适用时 。principal成分-2/的应用不包括principal成分-2/方法适用于人口学、数量地理学、分子动力学模拟、数学建模、数学分析等，Main 成分 分析是一种统计方法，master成分分析master成分分析的前提条件是原变量之间存在一定的相关性 。
【不适合做主成分分析,spss做主成分分析结果解释】
1、用spss 做主 成分 分析出现警告信息 。案例数量少于两个,至少有一个变量具有...0 。你的问卷设计有问题 。我用你的数据分析 ， 做了一个问卷条目:条目分别是总相关和条目区分度 。两项分析的成绩不是很理想 。1.在问题的一般相关性中，只有域名规范和响应速度是显著的 ， 这与你的问卷目的有关 。2.在方面判别方面，仅获取定制服务、域名规范、隐私声明、响应速度、语言版本等数据 。首先说明只有这五个数据符合spss的检验要求 。

而在系统服务、域名规范、隐私声明、响应速度、语言版本五项中，分析的区分度不显著 ， 不存在区分度 ， 无法识别不同受访者的响应度 。3.结论:主成分 分析试图将原来众多的相关指标(如P指标)重新组合成一组新的不相关的综合指标来代替原来的指标 。以上结果表明，提出至少两个不相关的指标(主因子)来分组是不可能的，因为你的问题是没有区分度的，是高度相关的 。

2、kmo检验值取多少合适, 做主 成分 分析,KMO检验和bartlett球度检验KMO统计值介于0和1之间 。当所有变量间简单相关系数的平方和远大于偏相关系数的平方和时，KMO值接近1 。KMO值越接近1，变量之间的相关性越强，原变量越适合作为因子分析；当所有变量之间的简单相关系数的平方和接近0时，KMO值接近0 。KMO值越接近0，变量之间的相关性越弱 ， 原始变量越不适合合作因子分析 。扩展数据Bartlett球度检验用于检验相关矩阵中变量之间的相关性，是否为单位矩阵 ， 即每个变量是否独立 。

在因子分析中，如果原假设被拒绝，则意味着因子分析可以使用；如果原假设没有被否决，说明这些变量可能独立提供了一些信息 ， 不适合因子分析 。在factor 分析之前，首先进行了KMO检验和巴特利球检验 。KMO检验用于检验变量之间的相关性和偏相关，取值在0和1之间 。KMO统计量越接近1，变量之间的相关性越强，偏相关越弱，因子分析的效果越好 。

    推荐阅读


    上一篇：网络工程专业就业形势分析,市场营销专业就业形势分析

    下一篇：stata教程meta分析,应用STATA做Meta分析