KMOmérszámot

Kaiser-Meyer-Olkin-mérőszám (KMO) a faktoranalízis előtti adatalkalmasság értékelésére szolgáló statisztika. A KMO azt méri, hogy a változók közötti részleges korrelációk összege mennyire kicsi a teljes korrelációkhoz viszonyítva. Minél nagyobb az összesített KMO-érték, annál valószínűbb, hogy a változók mögött több faktor található, és a faktor-analízis megbízhatóbb eredményeket ad.

Az értékek két szinten értelmezhetők: összesített (globális) KMO és egyenkénti KMO a változókra vonatkozóan. Az összesített KMO a teljes adathalmaz alkalmasságát mutatja; az egyenkénti KMO pedig jelzi, melyik változó rontja leginkább az alkalmasságot. Az értékek 0 és 1 között mozognak; értékük közel a 1-hez jobb, közel a 0-hoz kedvezőtlenebb.

A gyakori értelmezési tartományok: 0.9 fölött kiváló, 0.8–0.9 meritorius, 0.7–0.8 közepes, 0.6–0.7 gyenge, 0.5 alatt pedig általában elfogadhatatlan a faktoranalízishez. A kiváló értékek mellett a Bartlett-féle sphericitás-teszt is gyakran együtt kerül jelentésre a faktorláthatóság értékelésekor: ez a korrelációs mátrix identitástól való eltérését vizsgálja.

Megfontolások: a KMO adatmintán alapul; a minta nagysága befolyásolja a megbízhatóságot. Ordinalis adatok esetén érdemes alternatív korrelációs mutatókat (például polychoric-korrelációt) alkalmazni, vagy a megfelelő korrelációs megközelítést választani. Alkalmas eszköz a kezdeti EFA-észrevételekhez a változók kiválogatására és a modellezési döntések megalapozására.