2013年11月15日 星期五

KMO解釋

Kaiser-Meyer-Oklin measure of sampling adequacy (KMO)為一適切性指標,從變項 (項目)相關中,探索一組項目是否有共同因素存在。
KMO之公式為二二變項間相關加總除以二二變項間相關加總加上所有變項之淨相關。
KMO = (∑∑r2ij)/(∑∑r2ij+∑∑a2ij)
a2ij =(rij1,2,3….k)

整體模式來看 (看所有的變項),當二個變項和其它變項有共同的因素時,所有變項淨相關會很小,KMO值會變大。因此KMO值越大,越合適進行EFA分析。

以個別變項來看,個別變項之KMO值小表示有此項目存在時,所有項目之淨相關大,此項目與其它變項之共同部分小,可能非為測量同一個概念。因為可考慮刪除此變項。


2 則留言:

  1. thanks!
    這跟 Cronbach alpha (若刪除其一項目後, alpha 變成多少)有何異同?

    回覆刪除
    回覆
    1. 我也曾想過此問題。
      會於11/18前計算Cronbach's alpha(刪除其一項目後, alpha 變成多少)的狀況。

      刪除