The MSA is measured by the Kaiser-M

The MSA is measured by the Kaiser-Meyer-Olkin (KMO) statistic. As a measure of sampling adequacy, the KMO predicts if data are likely to factor well based on correlation and partial correlation. KMO can be used to identify which variables to drop from the factor analysis because they lack multicollinearity.
There is a KMO statistic for each individual variable, and their sum is the KMO overall statistic. KMO varies from 0 to 1.0. Overall KMO should be .50 or higher to proceed with factor analysis. If it is not, remove the variable with the lowest individual KMO statistic value one at a time until KMO overall rises above .50, and each individual variable KMO is above .50.

ผลลัพธ์ (ไทย) 2:

MSA วัดจากไกเซอร์ Meyer-Olkin (KMO) สถิติ เป็นตัวชี้วัดความเพียงพอของการสุ่มตัวอย่างที่ KMO คาดการณ์ว่าข้อมูลมีแนวโน้มที่จะเป็นปัจจัยพื้นฐานดีในความสัมพันธ์และความสัมพันธ์บางส่วน KMO สามารถนำมาใช้ในการระบุว่าตัวแปรที่จะลดลงจากการวิเคราะห์ปัจจัยเพราะพวกเขาขาดพหุ.
มีสถิติ KMO สำหรับแต่ละตัวแปรบุคคลและผลรวมของพวกเขาคือสถิติโดยรวม KMO KMO แตกต่างกันไป 0-1.0 KMO โดยรวมควรจะเป็น 0.50 หรือสูงกว่าเพื่อดำเนินการวิเคราะห์ปัจจัย ถ้าไม่เอาตัวแปรที่มีบุคคลที่ต่ำสุด KMO ค่าสถิติในช่วงเวลาหนึ่งจนกว่า KMO โดยรวมเพิ่มขึ้นสูงกว่า 0.50 และแต่ละ KMO ตัวแปรของแต่ละบุคคลอยู่เหนือ 0.50

ผลลัพธ์ (ไทย) 3:

MSA เป็นวัดโดย ไคเซอร์ เมเยอร์ olkin ( kmo ) สถิติ เป็นการวัดความเพียงพอ ) , kmo คาดการณ์ว่าข้อมูลมีแนวโน้มที่จะดีตามปัจจัยความสัมพันธ์และสหสัมพันธ์บางส่วน kmo สามารถใช้เพื่อระบุตัวแปรที่จะลดลง จากการวิเคราะห์ปัจจัยเพราะขาดความสัมพันธ์ .
มี kmo สถิติสำหรับตัวแปรแต่ละตัวบุคคลและผลรวมของพวกเขาเป็น kmo รวมสถิติ kmo แตกต่างกันตั้งแต่ 0 ถึง 1.0 kmo โดยรวมควรเป็น 50 หรือสูงกว่า ให้ดำเนินการโดยการวิเคราะห์องค์ประกอบ ถ้ามันไม่ลบตัวแปรที่มีค่าแต่ละค่า kmo สถิติหนึ่งที่เวลาจนกว่า kmo โดยรวมเพิ่มขึ้น . 50 ขึ้นไป และแต่ละตัวแปร kmo อยู่เหนือ . 50