Indice KMO et test de Bartlett

Ce tableau présente deux tests qui indiquent la pertinence de vos données pour la détection de structure. La mesure Kaiser-Meyer-Olkin de l'adéquation de l'échantillonnage est une statistique qui indique la proportion de variance dans vos variables qui peut être causée par des facteurs sous-jacents. Les valeurs élevées (proches de 1.0) indiquent généralement qu'une analyse factorielle peut être utile avec vos données. Si la valeur est inférieure à 0.50, les résultats de l'analyse factorielle ne seront probablement pas très utiles.

Le test de sphéricité de Bartlett teste l'hypothèse selon laquelle votre matrice de corrélation est une matrice d'identité, ce qui indiquerait que vos variables ne sont pas liées et donc ne conviennent pas pour la détection de structure. Des valeurs faibles (inférieures à 0.05) du niveau de signification indiquent qu'une analyse factorielle peut être utile avec vos données.