全部版块 我的主页
论坛 数据科学与人工智能 数据分析与数据科学 SPSS论坛
25745 12
2013-03-09
最近在学习SPSS做主成分分析和因子分析,在我找的论文中,我用他们的数据做因子分析时KMO检验显示为:This matrix is not positive definite,但是他们在论文中都没有涉及这个检验。我查了一下,都说是因为变量间线性相关,我试着删除一些相关性很强的变量后,KMO检验就通过了。现在有个疑问就是,变量间的相关系数反应变量间相关性的大小,相关性越大,表明存在信息上的重叠,这样提取的主成分才有意义。否则相关性弱的话,做主成分分析和因子分析就没有意义了,可以这样理解吗?
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

全部回复
2013-3-9 12:04:09
可以的 主成分分析和因子分析的前提是变量间存在一定的相关性 并且可以通过KMO检验来检验是否适合做主成分分析或因子分析
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2013-3-9 13:43:37
KMO检验的原假设为单位阵(满秩,不相关),只有当信息重叠,共线性强(非满秩),提取主成分和因子才有意义
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2013-3-9 19:42:30
xueyinchina 发表于 2013-3-9 12:04
可以的 主成分分析和因子分析的前提是变量间存在一定的相关性 并且可以通过KMO检验来检验是否适合做主成分分 ...
嗯,明白了,纠结了好几天这东西!
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2013-3-9 19:43:34
子鹿 发表于 2013-3-9 13:43
KMO检验的原假设为单位阵(满秩,不相关),只有当信息重叠,共线性强(非满秩),提取主成分和因子才有意义 ...
有的书上基本上不怎么讲理论,实际操作中自己的数据并非像书上那么完美,所以很多时候都会有差错
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2013-3-9 19:48:33
gaoxiang13149 发表于 2013-3-9 19:42
嗯,明白了,纠结了好几天这东西!
可以看一些SPSS的高级教程 讲得会详细一点
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

点击查看更多内容…
相关推荐
栏目导航
热门文章
推荐文章

说点什么

分享

扫码加好友,拉您进群
各岗位、行业、专业交流群