进行主成分分析需不需要进行KMO和巴特莱特球度检验？

新手求助！
看教材以及相关论文上都提到了，根据KMO的取值范围来判定选取的指标数据是否适合做因子分析。但是做主成分需不需要进行KMO检验？

KMO检验值来判定原始指标的相关性，球度检验判定原始指标是否是单位阵。以此来判定是否适合进行因子分析。

但是主成分不就是通过线性变换找出可以近似代替原始指标的少数几个主成分吗，如果原始指标都是相关的或者都是单位阵，那么主成分还将是会存在的。

个人觉得只要使得提取的少数几个主成分的累计方差贡献率超过85%甚至90%就行吧。哪怕只提取了一个主成分。

不知道以上想法是否正确，还望高手前辈指教。不胜感激

仍然需要 因为因子分析有各种方法 其中最主要的是主成分分析 而只有当多变量相关性比较大 才会有信息重叠 才可以降低维数 用较少的主成份来代替较多的原始变量 而这两个检验都是相关性检验 只有相关性充分 才符合降低维数的要求 否则都相互独立 就没有任何可以提取的主成份了。

仍然需要 因为因子分析有各种方法 其中最主要的是主成分分析 而只有当多变量相关性比较大 才会有信息重叠 才可以降低维数 用较少的主成份来代替较多的原始变量 而这两个检验都是相关性检验 只有相关性充分 才符合降低维数的要求 否则都相互独立 就没有任何可以提取的主成份了。

需要的，一般KMO值要大于0.5好些。提取较少的主成分方差贡献率就很大是比较好的。

ymizhao 发表于 2014-3-27 21:32
仍然需要 因为因子分析有各种方法 其中最主要的是主成分分析 而只有当多变量相关性比较大 才会有信息重叠 才 ...

非常感谢，打通了我一个盲区。

这个帖子好棒~

ymizhao 发表于 2014-3-27 21:32
仍然需要 因为因子分析有各种方法 其中最主要的是主成分分析 而只有当多变量相关性比较大 才会有信息重叠 才 ...

可是通过相关系数矩阵就可以发现变量相关性了啊。我现在就出现一个问题，相关系数矩阵基本都达到了90%+，然后提取的主成分有2个，第一个主成分的累计贡献率就达到了90%，第二个97%了。但是因子载荷表上发现所有的指标都由第一主成分解释，这是怎么回事啊？而且没有kmo检验

forgetmenot_ty 发表于 2015-5-12 10:12
可是通过相关系数矩阵就可以发现变量相关性了啊。我现在就出现一个问题，相关系数矩阵基本都达到了90%+， ...

当然相关系数矩阵也可以直观看出来，但是是靠主观判断，只有KMO是一个指标，能有比较规范的标准；你必须在选项中选择输出KMO指标才会有，还有提取主成分的方式，计算机默认是特征根大于1，如果你改成固定2个，就能提取两个主成分了。

感谢解惑！最近一直在纠结这个问题，看完回复感觉思路清晰了很多

R语言中主成分分析好像没看到KMO