《表2 KMO和Bartlett球形检验》
因子分析的主要目的是提取原有变量中重叠部分并综合成因子,它要求原有变量具有较强的相关关系,否则变量间相互独立,不具备因子分析的条件。因此,本文借助SPSS 22软件,采用KMO(Kaiser-Meyer-Olkin)和巴特勒球形(Bartlett’s Test of Sphericity)检验法,对21项需求指标进行适应性和相关性检验。KMO检验统计量用于测量变量间相关性的强弱关系,KMO值越接近于1,则表示变量间相关性越强,适合做因子分析;KMO值越接近于0,则变量间相关性越弱,不适合做因子分析。巴特勒球形检验统计量用于测量指标是否相互独立,当指标对应的概率P值小于显著性α,拒绝零假设,相关系数矩阵存在共同因子,适合做因子分析。其结果显示,KMO值为0.959>0.9,且巴特勒球形检验值在自由度为210条件下,P值0.000<0.05,表明指标间不相互独立存在共同因子,该数据适合做因子分析,如表2所示。
图表编号 | XD00161809000 严禁用于非法目的 |
---|---|
绘制时间 | 2020.06.30 |
作者 | 张姣姣、崔嵬 |
绘制单位 | 廊坊师范学院、廊坊师范学院 |
更多格式 | 高清、无水印(增值服务) |