《表2 KMO和Bartlett球形检验》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于学生需求因子分析的本科生导师制研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

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。