spss的怎么得出kmo
来源:学生作业帮助网 编辑:作业帮 时间:2024/05/17 01:21:08
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
就是系数加上变量这么来写啊,比如0.196VAR00002-0.152VAR00003-.我替别人做这类的数据分析蛮多的
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.
1.spss直接帮你把几个因子都已经算出来了,就是FAC1-1列就是因子F1,同理可以得知F2,F3.不用算的,如果问F1怎么来的,就说是F1=0.701X1-0.549X2+0.736X3+0.21
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.
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!
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
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
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
不太明白你的意思,如果想知道多个因子的相关性,那可以先做相关性分析.SPSS中回归的自变量都是自己加入的,做了相关性分析,在回归时只对相关性大的因子做回归.如果是筛选因子的话建议用逐步线性回归,会自动
学过忘记了机子也没装这个东西
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,
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
Levene'stest即方差齐性检验的P>0.05,说明方差齐性或说方差相等.分析结果看equalvariancesassumed的这一行,其P=0.022培训前,说明培训有效果.
表一的r值是复相关系数,r方是决定系数,r方表示你的模型可以解释百分之多少的你的因变量,比如你的例子里就是可以解释你的因变量的百分之八十.很高了.表二的sig是指你的回归可不可信,你的sig是0.00