SPSS得出的KMO小于0.6的问题出现在哪里

看你表达的真是吃力.你说的原理应该是最初最原始要发现这些影响因素时的一种实验设计的方法,即一个是空白组,没有影响因素的组,另一个是实验组,也就是添加有影响因素的组,通过两组结果对比是可以发现是不是添加

你完全不懂因子分析吧,不存在共线性是不能做因子分析的,kmo大小无所谓的,79%已经很大了再问：是不太懂。不是说KMO要70%以上才算合格吗？再答：只要这个检验p

表格中左4列只是均值、中位数.最右1列是差异检验的结果报告：t值是个统计量,利用了两个变量的均值和标准差计算出来的（有公式,spss软件可自动计算出来）.比如x1变量上,舞弊和控制两组被试之间得分有无

你把变量弄少一点就可以了.

嗯,在菜单栏点击转换（transform）——计算（compute）里面就可以了

直接在因素分析里做analyze——Datareduction——Factor并在descreptives里选择KMO就可以了

那些和其他变量相关性都很小的变量就是解释方差很小的变量,或者从旋转载荷矩阵表上来看,那些变量在各个成分上的载荷都小于0.5,就是解释方差很小的变量,应该剔除,这样就可以提高KMO值了.

KMO值是由你的数据算出来的,不是所有的数据都适合做主成分分析.只有KMO值只有0.5说明你的数据样本不适合做主成分分析,下面做的一切都是不合理的.KMO值不能提高,除非你换一组数据.

仅作主成分分析是不用看KMO值的,提取主成分中解释方差较大的变量,构建新的指标体系,然后在试图用因子分析,另外注意,主成分分析一般不用来赋权!

是的,这是因子分析的前提条件,通不过这两个东西就说明量表不适合做因子分析再问：可是我看了好多论文上面在做因子分析时都没有做相关检验的，还是在核心期刊上，我把那些数据检验一下救过都是显示Thismatr

做个相关或者偏相关分析看看,把那些与其中任何一个变量相关性都很弱的变量剔除出去,再试下

以下全属个人看法,首先我认为,楼主对主成分分析还没有一个清楚的认知,导致所给的图形就不是最终判断分析的结果.在多元统计分析中,主成分分析是依靠因子分析的结果来进行的.请饶在下唐突,不过确实,楼主的给因

是说这个矩阵不是正定的,我知道你可能还是不明白,我帮你查了很多资料,正定矩阵意思是说数据特征的特征值不是都大于0的,因此我推测你数据中可能存在问题,有负的特征值,怎么改数据,我还不清楚,我还得学习学习

如果不相关,就没有必要用因子分析,因子分析只在高度相关时才能使用.正确的选择方法才是关键.再问：写论文题目早就定下来了，没法改了，而且我找了好几份参考的论文，也都是用因子分析法分析跟我一样的问题的，我

后俩很简单,就是描述统计.5点量表题,第3个表是每个维度上的得分极值.你在问题中说选项范围是1-5分,我不知道为什么最后一项出现了最大值6.第1个表是方差分析的结果,结合显著性来看,在所有维度上的差异

KMO是做主成分分析的效度检验指标之一,以前的文献中写说,KMO在0.9以上,非常合适做因子分析；在0.8-0.9之间,很适合；在0.7-0.8之间,适合；在0.6-0.7之间,尚可；在0.5-0.6

效度分为很多,你说的应该是结构效度因子分析有标准步骤,不是说你这么做因子分析就不好,他那么做因子分析就好需要对哪些变量做因子分析,要根据你的目的来决定kmo是必须要看的我经常帮别人做这类的数据分析

KMO值检验的作用是看看你的这些题目的内部相关,存不存在一定量的局部因子,那么,如果内部相关太低,那KMO值就不高,你这里我不知道是只放了两个项目还是怎么回事,如果只有两个项目,那KMO不高太正常了,

http://hi.baidu.com/%CD%DA%BF%F3%B9%A4%C8%CB/blog/item/a7cadafdb2b908215c60088b.html

当然不行啊,要不你就要做回归预测了,但是要先建模型再问：可是没有因变量怎么做回归呢？我也问了我们老师，说是可以先通过因子分析估计一个因变量的值再进行回归。。（可以留个你的联系方式不，请教一下高人）再答