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
进行主成分分析需不需要进行KMO和巴特莱特球度检验？
DtHyy
51558 14
2014-03-27
悬赏 100 个论坛币 已解决
新手求助！
看教材以及相关论文上都提到了，根据KMO的取值范围来判定选取的指标数据是否适合做因子分析。但是做主成分需不需要进行KMO检验？

KMO检验值来判定原始指标的相关性，球度检验判定原始指标是否是单位阵。以此来判定是否适合进行因子分析。

但是主成分不就是通过线性变换找出可以近似代替原始指标的少数几个主成分吗，如果原始指标都是相关的或者都是单位阵，那么主成分还将是会存在的。

个人觉得只要使得提取的少数几个主成分的累计方差贡献率超过85%甚至90%就行吧。哪怕只提取了一个主成分。

不知道以上想法是否正确，还望高手前辈指教。不胜感激

最佳答案

ymizhao 查看完整内容

仍然需要 因为因子分析有各种方法 其中最主要的是主成分分析 而只有当多变量相关性比较大 才会有信息重叠 才可以降低维数 用较少的主成份来代替较多的原始变量 而这两个检验都是相关性检验 只有相关性充分 才符合降低维数的要求 否则都相互独立 就没有任何可以提取的主成份了。
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
ymizhao
2014-3-27 21:32:38
仍然需要 因为因子分析有各种方法 其中最主要的是主成分分析 而只有当多变量相关性比较大 才会有信息重叠 才可以降低维数 用较少的主成份来代替较多的原始变量 而这两个检验都是相关性检验 只有相关性充分 才符合降低维数的要求 否则都相互独立 就没有任何可以提取的主成份了。
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

ymizhao
2014-3-27 21:43:07
仍然需要 因为因子分析有各种方法 其中最主要的是主成分分析 而只有当多变量相关性比较大 才会有信息重叠 才可以降低维数 用较少的主成份来代替较多的原始变量 而这两个检验都是相关性检验 只有相关性充分 才符合降低维数的要求 否则都相互独立 就没有任何可以提取的主成份了。
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

815102137
2014-3-27 21:47:52
需要的，一般KMO值要大于0.5好些。提取较少的主成分方差贡献率就很大是比较好的。
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

DtHyy
2014-3-27 21:50:54
ymizhao 发表于 2014-3-27 21:32
仍然需要 因为因子分析有各种方法 其中最主要的是主成分分析 而只有当多变量相关性比较大 才会有信息重叠 才 ...
非常感谢，打通了我一个盲区。
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

eda1993
2015-3-30 17:01:14
这个帖子好棒~
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

微信QQ空间QQ微博
扫码加好友，拉您进群
各岗位、行业、专业交流群