SPSS软件中KMO在那里

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

sig是显著性指标,一般大于0.05拒绝原假设,否则接受原假设,一般我们都是期望拒绝原假设,少数情况我们希望接受原假设,所以sig就是判断的依据.

简单而复杂的问题,把邮箱给我,我发教程给你吧~希望对你有用.

方差分析中重复数不等可以直接用onewayanova分析.限制OnewayANOVA分析的前提条件是：1）数据符合正态分布2）组之间方差相等.重复数相等不是方差分析的必要条件.

你把变量弄少一点就可以了.

如果仅仅是一个因素的建议用卡方检验,选择分析——描述统计——交叉表——在对话框中将risk选择上即可得出结果.如果是多个因素,建议用logistic回归,在options中选择CIforexp（b）,

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

spss一般用于多元统计分析中,详细可以找一本spss的教程.matlab功能就强大了,基本上所有的问题都可以通过matlab工具箱实现.一般可以解决：作图、拟合、统计分析、仿真、计算积分微分等数值计

点spss分析栏中的“描述统计”——“描述”,点右上角“选项”,勾选“均值,标准差,方差等”,点“确定”

这两个图都可以用来判断变量是否符合正态分布从第一个图上来看大致上符合正太分布,下面的pp图也可以证明是属于正态分布就这么一个意思

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

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

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

因子分析前,首先进行KMO检验和巴特利球体检验,KMO检验系数>0.5,(巴特利特在spss中的因素分析时有关于bartlet球形检验的选项,如果sig值小于0.05,则

当我们的调查问卷在把调查数据拿回来后,我们该做的工作就是用相关的统计软件进行处理,在此,我们以spss为处理软件,来简要说明一下问卷的处理过程,它的过程大致可分为四个过程:定义变量、数据录入、统计分析

这两个软件都可以做统计分析吧,哪个容易用些,哪个绘图漂亮?两个我都绘图方面spss更好,分析的也更细致.我建议你先用spss试试,如果不行还可以