Тест Кайзера-Мейера-Олкина
Тест Кайзера -Мейера-Олкина (КМО) представляет собой статистическую меру, позволяющую определить, насколько данные подходят для факторного анализа . Тест измеряет адекватность выборки для каждой переменной модели и всей модели. Статистика представляет собой меру доли дисперсии среди переменных, которая может быть общей дисперсией. Чем выше доля, тем выше значение KMO, тем больше данные подходят для факторного анализа. [ 1 ]
История
[ редактировать ]Генри Кайзер ввел меру адекватности выборки (MSA) матриц данных факторного анализа в 1970 году. [ 2 ] Затем Кайзер и Райс модифицировали его в 1974 году. [ 3 ]
Мера адекватности выборки
[ редактировать ]Мера адекватности выборки рассчитывается для каждого показателя как
и указывает, в какой степени показатель пригоден для факторного анализа.
Критерий Кайзера – Мейера – Олкина
[ редактировать ]- Критерий Кайзера-Мейера-Олкина рассчитывается и возвращает значения от 0 до 1.
Здесь - это корреляция между рассматриваемой переменной и другой, и это частичная корреляция.
Это функция квадратов элементов матрицы «изображения» по сравнению с квадратами исходных корреляций. Находится общая сумма MSA, а также оценки по каждому пункту. Индекс известен как индекс Кайзера-Мейера-Олкина (КМО). [ 4 ]
Интерпретация результата
[ редактировать ]В яркой манере Кайзер предположил, что KMO > 0,9 — великолепно, 0,80 — похвально, 0,70 — посредственно, 0,60 — посредственно, 0,50 — ужасно, а значение меньше 0,5 неприемлемо. [ 3 ] В целом значения KMO от 0,8 до 1 указывают на то, что выборка адекватна. Значения KMO менее 0,6 указывают на то, что отбор проб неадекватен и необходимо принять меры по исправлению ситуации. Напротив, другие устанавливают это пороговое значение на уровне 0,5. [ 5 ] Значение KMO, близкое к нулю, означает, что существуют большие частичные корреляции по сравнению с суммой корреляций. Другими словами, существуют широко распространенные корреляции, которые могут стать большой проблемой для факторного анализа. [ 1 ]
Альтернативным показателем того, является ли матрица факторизуемой, является тест Бартлетта , который проверяет степень отклонения матрицы от единичной матрицы . [ 1 ]
Пример в R
[ редактировать ]Если следующее выполняется в R с библиотекой (psych)
library(psych)
set.seed(5L)
five.samples <- data.frame("A"=rnorm(100), "B"=rnorm(100), "C"=rnorm(100),
"D"=rnorm(100), "E"=rnorm(100))
cor(five.samples)
KMO(five.samples)
Производится следующее:
Kaiser-Meyer-Olkin factor adequacy
Call: KMO(r = five.samples)
Overall MSA = 0.53
MSA for each item =
A B C D E
0.52 0.56 0.52 0.48 0.54
Это показывает, что данные не подходят для факторного анализа. [ 6 ]
См. также
[ редактировать ]Ссылки
[ редактировать ]- ^ Jump up to: а б с «КМО и тест Бартлетта» . ИБМ . Проверено 15 февраля 2022 г.
- ^ Кайзер, Генри Ф. (1970). «Второе поколение в один миг». Психометрика . 35 (4): 401–415. дои : 10.1007/BF02291817 . S2CID 121850294 .
- ^ Jump up to: а б Кайзер, Генри Ф.; Райс, Джон (1974). «Маленький Джиффи, Марк IV». Образовательные и психологические измерения . 34 : 111–117. дои : 10.1177/001316447403400115 . S2CID 144844099 .
- ^ Кюртон, Эдвард Э.; д'Агостино, Ральф Б. (2013). Факторный анализ . дои : 10.4324/9781315799476 . ISBN 9781315799476 .
- ^ Дзюбан, Чарльз Д.; Ширки, Эдвин К. (1974). «Когда корреляционная матрица подходит для факторного анализа? Некоторые правила принятия решений». Психологический вестник . 81 (6): 358–361. дои : 10.1037/h0036316 .
- ^ «Функция КМО — RДокументация» . Проверено 14 мая 2021 г.