Explorative Faktorenanalyse (EFA), Wie man den KMO- und Bartlett-Test interpretiert

Explorative Faktorenanalyse (EFA), Wie man den KMO- und Bartlett-Test interpretiert

Explorative Faktorenanalyse (EFA), Wie man den KMO- und Bartlett-Test interpretiert


Der KMO-Test und der Bartlett-Test werden verwendet, um die Eignung der Daten für die Faktorenanalyse zu beurteilen.
 
 

KMO-Test (Kaiser-Meyer-Olkin-Test)

Der KMO-Test (Kaiser-Meyer-Olkin-Test) bewertet die Eignung von Daten für die Faktorenanalyse, indem er den Kohärenzgrad zwischen Variablen misst. Der Testwert variiert zwischen 0 und 1, und Werte über 0,5 gelten als geeignet für die Faktorenanalyse.
Grundsätzlich gilt, dass KMO-Testwerte für eine akzeptable Analyse größer als 0,6, für eine gute Analyse größer als 0,7, für eine sehr gute Analyse größer als 0,8 und für eine hervorragende Analyse größer als 0,9 sein sollten (Kaiser und Meyer, 1974).
Es ist bei uns KMO =0,749
 

Bartletts Test

Der Bartlett-Test testet die Hypothese der Homogenität der Korrelationsmatrix. In dem Beispiel, dass die Homogenitätshypothese verworfen wird, weist dies darauf hin, dass die Variablen in der Korrelationsmatrix ausreichend miteinander verknüpft sind, dass sie in der Faktorenanalyse verwendet werden könnten. Der Bartlett-Test hat einen signifikanten Wert, wenn Korrelationen zwischen Variablen groß genug sind, um in der Faktorenanalyse verwendet zu werden.
Der Bartlett-Test ist also geeignet, wenn der Signifikanzwert kleiner als 0,05 ist (Bartlett, 1954).
Bei uns ist es Bartletts Test <0,001
So sollte für eine geeignete Faktorenanalyse der Wert des KMO-Tests größer als 0,5 sein, während der Bartlett-Test einen Signifikanzwert kleiner als 0,05 haben sollte.

Interpretation:

 

KMO > 0,5-Variablen gelten als geeignet für die Faktorenanalyse

KMO > 0,6 akzeptable Faktorenanalyse,

KMO > 0,7 gute Faktorenanalyse,

KMO > 0,8 sehr gute Faktorenanalyse,

KMO > 0,9 ausgezeichnete Faktorenanalyse.

Kaiser und Meyer, 1974

Variablen des Bartlett-Tests < 0,05 können in der Faktorenanalyse verwendet werden

Bartlett, 1954

www.StatistischeBeratung.de

 



Cite this article in your research paper:
APA

Statistische Beratung Leonardo Miljko (datum) Exploratory Factor Analysis (EFA) - How to interpret KMO i Bartlett´s test. Retrieved from https://www.StatistischeDatenAnalyse.de/images/Explorative_Faktorenanalyse-EFA-Wie_man_den_KMO_und_Bartlett-Test_interpretiert.pdf .

Harvard

Statistische Beratung Leonardo Miljko  January 10, 2020 Exploratory Factor Analysis (EFA) - How to interpret KMO i Bartlett´s test. viewed datum < https://www.StatistischeDatenAnalyse.de/images/Explorative_Faktorenanalyse-EFA-Wie_man_den_KMO_und_Bartlett-Test_interpretiert.pdf >

 

Wichtiger Hinweis: Der Originalinhalt ist auf Kroatisch. Die Übersetzung ins Deutsche und Englische erfolgte über einen Web-Übersetzer. Wir entschuldigen uns für die Fehler.

Kontakt

Statistische Beratung und Datenanalyse Leonardo Miljko gew.
Zum Alten Hofgarten 21,
DE-94405 Landau an der Isar
Tel.: +49-178-8955-751
Viber/WhatsApp: +387-63-997-996
Statistische Beratung und Datenanalyse Leonardo Miljko gew.
Alle Bewertungen
Erfahrungen & Bewertungen zu Statistische Beratung und Datenanalyse

 

Erfahrungen & Bewertungen zu Statistische Beratung und DatenAnalyse

 

Logo WebSiteDesign.Bayern