巴特利特球形度检验的原假设是什么？如何解读结果？

既然是假设检验，必定有原假设和备择假设，只需要搞清楚假设是什么，也就知道应该如何解读了。

一.百度百科上是这么说的：

巴特利特球形检验是以变量的相关系数矩阵为出发点的。它的零假设相关系数矩阵是一个单位阵，即相关系数矩阵对角线上的所有元素都是1，所有非对角线上的元素都为零。巴特利特球形检验的统计量是根据相关系数矩阵的行列式得到的。如果该值较大，且其对应的相伴概率值小于用户心中的显著性水平，那么应该拒绝零假设，认为相关系数不可能是单位阵，即原始变量之间存在相关性，适合于作因子分析。相反不适合作因子分析。

二.其他网络资料补充：

因子分析在计算上的起点就是相关系数阵（也可以是协方差阵），显然，相关系数阵对角线上的元素为1，非对角线上的元素表示变量两两之间的相关系数，其绝对值在0-1之间，越接近于1，数据集越适合做因子分析；越接近于0（相关系数阵近于单位阵），数据集越不适合做因子分析。

三.我给它简化一下：

原假设：变量之间不存在相关性

备择假设：变量之间存在相关性

统计软件计算巴特利特检验的显著性P值（别指望人算），弱P＜0.05，则拒绝原假设接受备择假设，说明原始数据变量之间存在相关性，数据适合进行因子分析。

所以我们是看巴特利特检验概率P值是否小于0.05，我们期望它是小于0.05。

End.作者：数据小兵来源：博客本文均已和作者授权，如转载请与作者联系。