آزمون KMO و بارتلت

آزمون KMO و بارتلت روش‌هایی هستند که برای اطمینان از کافی بودن نمونه انتخاب شده در تحلیل عاملی اکتشافی مورد استفاده قرار می‌گیرند. انجام محاسبات مربوط به تحلیل عاملی اکتشافی به حجم بزرگی از داده‌ها نیازمند است. این دو آزمون روش‌های علمی برای حصول اطمینان از کفایت نمونه منتخب می‌باشد.

پیش از اقدام به استفاده از روش تحلیل عاملی اکتشافی باید از کافی بودن حجم نمونه اطمینان حاصل شود. حجم نمونه عامل تعیین کننده‌ای در صحت خوشه‌بندی عناصر با تکنیک تحلیل عاملی اکتشافی است. یکی از روش‌های بررسی کفایت نمونه جهت تحلیل عاملی محاسبه شاخص کفایت نمونه است. شاخص کفایت نمونه توسط کایزر، مایر و اولکین نوآوری گردید و برای همین آن را با نماد KMO نمایش می‌دهند.

شاخص Kaiser-Mayer-Olkin, KMO : این شاخص باید بالای ۰/۷ باشد البته بین ۰/۵ تا ۰/۷ نیز با احتیاط قابل قبول است.

آزمون بارتلت: از خروجی آزمون کروی بودن بارتلت نیز می‌توان برای محاسبه خی-دو به‌ هنجار استفاده کرد.

آزمون KMO و بارتلت در SPSS

از منوی Analyze گزینه Dimension Reduction فرمان Factor را اجرا کنید و تنظیمات زیر را انجام دهید.

آزمون KMO و بارتلت در spss

مسیر آزمون KMO و بارتلت در SPSS

محاسبه KMO و بارتلت در LISREL

از منوی Statistics فرمان Classical Factor Analysis را اجرا کنید.

برون‌داد نرم‌افزار SPSS برای آماره KMO مانند زیر است:

خروجی آزمون KMO و بارتلت

خروجی آزمون KMO و بارتلت

در این مثال آماره KMO میزان ۰/۹۰۸ بدست آمده است بنابراین حجم نمونه برای تحلیل عاملی کافی است.

مقدار معناداری آزمون بارتلت نیز ۰/۰۰۰ می‌باشد که نشان می‌دهد نتایج معنادار است.

در خروجی آزمون بارتلت مقدار آماره خی دو و درجه آزادی نیز قابل مشاهده است.

محاسبه KMO و بارتلت در Minitab

از فایل داده متغیرهایی مورد را به حالت انتخاب درآورید.

وارد مسیر Stat > ANOVA > Test for Equal Variances شوید.

روی دکمه OK کلیک کنید و نتیجه را مشاهده کنید. تفسیر نتایج مانند نکاتی است که در بالا اشاره شد.

منبع : آزمون KMO نوشته آرش حبیبی از کتاب مدل یابی معادلات ساختاری

0 0 رای ها
امتیازدهی به مقاله