Концептуально, тоді значення KMO більші, коли 1) елементи тісно пов'язані один з одним (тобто висока внутрішня узгодженість) і 2) ці кореляції не відображають спільну специфіку (тобто немає унікальних корельованих факторів).
Кайзер-Майєр-Олкін Кайзер-Майєр-Олкін (KMO) Міра адекватності вибірки – це статистичний показник, який вказує частку дисперсії у ваших змінних, яка може бути спричинена основними факторами. Високі значення (близько до 1,0) зазвичай вказують на те, що факторний аналіз може бути корисним для ваших даних.
Тест KMO і Бартлетта оцінюють усі доступні дані разом. Значення KMO понад 0,5 і рівень значущості для тесту Бартлетта нижче 0,05 свідчать про наявність значної кореляції в даних. Колінеарність змінної вказує на те, наскільки сильно одна змінна корелює з іншими змінними.
Критерій Кайзера–Майєра–Олкіна (KMO) є статистичним показником для визначення наскільки дані підходять для факторного аналізу. Тест вимірює адекватність вибірки для кожної змінної в моделі та повній моделі. Статистика є мірою частки дисперсії серед змінних, які можуть бути загальною дисперсією.
KMO обчислюється між 0 і 1. Низькі значення (близькі до 0) вказують на це є великі часткові кореляції в порівнянні з сумою кореляцій, тобто існує переважання кореляцій змінних, які є проблематичними для факторного/головного компонентного аналізу.
Зазвичай, якщо для кожного фактора є три або більше корельованих змінних, KMO буде великим, близьким до 1. Однак, якщо є ізольовані пари елементів, які корелюють один з одним, але не з іншими змінними, KMO постраждає. Фактор із лише двома елементами, як правило, сприятиме малим KMO.