Tabachnick and Fidell10 recommended

Tabachnick and Fidell10 recommended inspecting the correlation matrix (often termed Factorability of R) for correlation coefficients over 0.30.
Hair et al. (1995) categorised these loadings using another rule of thumb as ±0.30=minimal, ±0.40=important, and ±.50=practically significant.9 If no correlations go beyond 0.30, then the researcher should reconsider whether factor analysis is the appropriate statistical method to utilise.9,10 In other words a factorability of 0.3 indicates that the factors account for approximately 30% relationship within the data, or in a practical sense, it would indicate that a third of the variables share too much variance, and hence becomes impractical to determine if the variables are correlated with each other or the dependent variable (multicollinearity).

ผลลัพธ์ (ไทย) 2:

Tabachnick และ Fidell10 แนะนำให้ตรวจสอบเมทริกซ์สหสัมพันธ์ (มักเรียกว่า Factorability ของ R) สำหรับค่าสัมประสิทธิ์สหสัมพันธ์กว่า 0.30.
ผมและคณะ (1995) แบ่งแรงเหล่านี้โดยใช้กฎของหัวแม่มืออีก± 0.30 = น้อยที่สุด± 0.40 = สำคัญและ± 0.50 = จริง significant.9 ถ้าไม่มีความสัมพันธ์ไปไกลกว่า 0.30 จากนั้นนักวิจัยควรพิจารณาว่าการวิเคราะห์ปัจจัยที่เหมาะสมทางสถิติ วิธีการที่จะ utilise.9,10 ในคำอื่น ๆ factorability 0.3 แสดงให้เห็นว่าปัจจัยที่บัญชีสำหรับความสัมพันธ์ประมาณ 30% ภายในข้อมูลหรือในความจริงมันจะแสดงให้เห็นว่าหนึ่งในสามของตัวแปรแบ่งปันความแปรปรวนมากเกินไปและด้วยเหตุนี้ จะกลายเป็นทำไม่ได้เพื่อตรวจสอบว่าตัวแปรที่มีความสัมพันธ์กับคนอื่น ๆ หรือตัวแปรตาม (พหุ)

ผลลัพธ์ (ไทย) 3:

tabachnick fidell10 แนะนำตรวจสอบและเมทริกซ์สหสัมพันธ์ ( เรียกว่ามักจะ factorability R ) สัมประสิทธิ์สหสัมพันธ์กว่า 0.30 .
ผม et al . ( 1995 ) การแบ่งภาระเหล่านี้อีก กฎของหัวแม่มือเป็น± 0.30 = น้อยที่สุด ± 0.40 = สำคัญ และ± 50 = ในทางปฏิบัติที่สำคัญ ถ้าไม่มีความสัมพันธ์เกิน 0.30 ,จากนั้น ผู้วิจัยควรพิจารณาว่าเหมาะสม การวิเคราะห์ปัจจัย เป็นวิธีการทางสถิติที่จะใช้ . 9,10 ในคำอื่น ๆที่เป็น factorability 0.3 บ่งชี้ว่าปัจจัยบัญชีความสัมพันธ์ประมาณ 30% ภายในข้อมูล หรือในแง่ที่เป็นประโยชน์ ก็จะพบว่า หนึ่งในสามของตัวแปรแบ่งปันความแปรปรวนมากและด้วยเหตุนี้จะยากมาก ที่จะตรวจสอบว่าตัวแปรมีความสัมพันธ์กับแต่ละอื่น ๆหรือตัวแปรตาม ( ข้อมูล )