【巴特利球形檢定】
<P align=center><STRONG><FONT size=5>【<FONT color=red>巴特利球形檢定</FONT>】</FONT></STRONG></P> <P><STRONG>Bartltett'sSphericityTest</STRONG></P><P><STRONG></STRONG> </P>
<P><STRONG>【辭書名稱】教育大辭書</STRONG></P>
<P><STRONG></STRONG> </P>
<P><STRONG>巴特利球形檢定的虛無假設是母群相關矩陣為同位矩陣(identitymatrix)。</STRONG></P>
<P><STRONG></STRONG> </P>
<P><STRONG>同位矩陣除了主對角線為一外，其餘各元素均為零。</STRONG></P>
<P><STRONG></STRONG> </P>
<P><STRONG>此種考驗假定所要考驗的樣本是從多變項常態分配抽取的。</STRONG></P>
<P><STRONG></STRONG> </P>
<P><STRONG>考驗結果，如果拒絕虛無假設，就表示母群各變項之相關並非都為零。</STRONG></P>
<P><STRONG></STRONG> </P>
<P><STRONG>巴特利球形檢定的統計數是相關矩陣的行列式(determinant)經過卡方(X2,Chi-square)轉換而得，該數據越大，考驗的P值就越低，表示母群各變項之相關越不可能都是零。</STRONG></P>
<P><STRONG></STRONG> </P>
<P><STRONG>如果考驗結果的統計數很小，那觀察的就會很大（如超過0.05），就無法拒絕母群相關矩陣為同位矩陣的虛無假設。</STRONG></P>
<P><STRONG></STRONG> </P>
<P><STRONG>多變項分析(multi-variateanalysis)統計法，如因素分析、多變項變異數分析等，均強調變項與變項之相互關聯，如果變項與變項之間互無關聯，就不適合採用多變項分析法。</STRONG></P>
<P><STRONG></STRONG> </P>
<P><STRONG>要做因素分析或多變項變異數分析，宜先用球形檢定，如果無法拒絕虛無假設，那麼用多變項分析就沒有什麼意義。</STRONG></P>
<P><STRONG></STRONG> </P>
<P><STRONG>巴特利球形檢定對樣本人數很敏感，只要樣本夠大，幾乎所有考驗都會達顯著水準，因此考驗結果只能作為參考，最好再參考其他不受樣本大小影響的方法，如Kaiser-Meyer-Olkin抽樣適切性量數（簡稱KMO）。</STRONG></P>
<P><STRONG></STRONG> </P>
<P><STRONG>此量數小代表不適合用因素分析。</STRONG></P>
<P><STRONG></STRONG> </P>
<P><STRONG>Kaiser認為KMO在0.90'S是卓越的，0.80'S是有價值的，0.70'S足中等的，0.60'S是平常，0.50'S是可悲的，0.50'S以下是無法接受的。</STRONG></P>
<P><STRONG></STRONG> </P>
<P><STRONG>使用SPSS做因素分析，只要指定次指令／PRINT=KMO，就可得到KMO及巴特利球形檢定的結果。</STRONG></P>
<P><STRONG></STRONG> </P>
<P><STRONG></STRONG> </P>轉自:http://edic.nict.gov.tw/cgi-bin/tudic/gsweb.cgi?o=ddictionary
頁:
[1]