进行因子分析时的数据适宜性检验

由于自变量需采用因子得分来计算，因此，为了检测测量题项是否可以提取公共因子，需要进行KMO和Bartlett球形检验。

KMO检验统计量是用于比较变量间简单相关系数和偏相关系数的指标，取值在0和1之间。当所有变量间的简单相关系数平方和远远大于偏相关系数平方和时，KMO值接近1。KMO值越接近于1，意味着变量间的相关性越强，原有变量越适合作因子分析；当所有变量间的简单相关系数平方和接近0时，KMO值接近0。KMO值越接近于0，意味着变量间的相关性越弱，原有变量越不适合作因子分析。

常用的KMO度量标准为:0.9以上表示十分适合；0.8～0.9表示很适合；0.7～0.8表示适合；0.6～0.7表示基本适合；0.5～0.6表示勉强适合；0.5以下表示不适合。

Bartlett球形检验是以变量的相关系数矩阵为出发点的，用于判断相关系数矩阵是否为单位阵，即检验各个变量是否各自独立。其统计量是根据相关系数矩阵的行列式得到的。如果该值较大，且其对应的相伴概率值小于设定的显著性水平，那么应该拒绝零假设，认为相关系数不可能是单位阵，即原始变量之间存在相关性，适合于作因子分析。相反则不适合作因子分析。(www.zuozong.com)

从表5-1的检验结果来看，农民创业机会合意性信念的测量题项a1～a3的KMO值为0.661，基本适合进行因子分析，Bartlett球形检验的相伴概率值为0，小于显著性水平0.01，说明原始变量的相关矩阵不是单位矩阵，符合因子分析的前提条件，适合提取公共因子。

表5-1　KMO和Bartlett球形检验结果

农民创业机会可行性信念的测量题项a7～a22的KMO值为0.913，十分适合进行因子分析，Bartlett球形检验的相伴概率值为0，小于显著性水平0.01，说明原始变量的相关矩阵不是单位矩阵，符合因子分析的前提条件，适合提取公共因子。