多谢高人指点，我也学习了

我的数据KMO值也太小。

强烈支持~!!

巴特莱特值的p值小（小于0.05），表示相关矩阵不是单位矩阵，可以进行因子分析；
而KMO值的大小是表示进行因子分析的效果，越接近于1，效果越好
总的来说，你的数据，可以进行因子分析，结果好坏不能确定，还要结合结果进行分析，看因子贡献度哈，一般贡献度大于80%就行，但是社会调查这个标准可以适当降低

楼上的说的对，我就见过KMO值为0.76做因子分析的

我的问题更为严重
连做这个检验都不出结果
矩阵不正定

本人写论文也要用到spss软件，以前没学过，正在摸索中，学习了

KMO统计量：是通过比较各变量间简单相关系数和偏相关系数的大小判断变量间的相关性，相关性强时，偏相关系数远小于简单相关系数，KMO值接近1。一般情况下，KMO>0.9非常适合因子分析；0.8＜KMO＜0.9适合；0.7以上尚可，0.6时效果很差，0.5以下不适宜作因子分析。
Bartlett’s球型检验（巴特利球形检验（Barlett Test of Sphericity）。）：用于检验相关阵是否是单位阵，即各变量是否独立。它是以变量的相关系数矩阵为出发点，零假设：相关系数矩阵是一个单位阵。如果巴特利球形检验的统计计量数值较大，且对应的相伴概率值小于用户给定的显著性水平，则应该拒绝零假设；反之，则不能拒绝零假设，认为相关系数矩阵可能是一个单位阵，不适合做因子分析。若假设不能被否定，则说明这些变量间可能各自独立提供一些信息，缺少公因子。
举例：巴特利球形检验统计量为131.051，相应的概率Sig为0.000，因此可认为相关系数矩阵与单位阵有显著差异。同时，KMO值为0.762，根据Kaiser给出的KMO度量标准可知原有变量适合作因子分析。

受教了~~~~

KMO值检验因子分析是否使用  0.5~1之间，表示适合；小于0.5不适合。
Bartlett      是通过转换为卡方检验  检验变量之间是否互相独立  小于0.05即可

巴特莱特值的p值小（小于0.05），表示相关矩阵不是单位矩阵，可以进行因子分析；
而KMO值的大小是表示进行因子分析的效果，越接近于1，效果越好
总的来说，你的数据，可以进行因子分析，结果好坏不能确定，还要结合结果进行分析，看因子贡献度哈，一般贡献度大于80%就行
这个可参考下

这位大哥和我一样啊

我的KMO值也很小。。。

我觉得关于KMO值，其实在0.5以上基本就可以尝试做因子分析，关键要看因子分析的结果与你的经验分析是否大致相符。

我也在学习 不会啊~~~ 18# angell_huang

受教了，顶。