使用spss因子分析时，原始数据可以有负数么？巴特利特和kmo检验的数据可以有负数么？不可以的话怎么处理

可以。

因子分析按照处理后的数据直接纳入。

因子分析的主要途径是构建因子模型du来计算各主因子得分，从而分析主因子的贡献力总结出因子实际意义。数据标准化只是将不同变量量纲化，说明白点就是去掉各变量的单位，统一为标准化数据。

如果原始数据单位不冲突，标准化与否影响不大，正规来讲，做多元统计分析前需要将数据进行标准化处理，保证统计分析的正确性。所以不仅不要担心结果改变，相反应该要求数据的标准化处理。

KMO统计量：是通过比较各变量间简单相关系数和偏相关系数的大小判断变量间的相关性，相关性强时，偏相关系数远小于简单相关系数，KMO值接近1。一般情况下，KMO>0.9非常适合因子分析；0.8＜KMO＜0.9适合；0.7以上尚可，0.6时效果很差，0.5以下不适宜作因子分析。

扩展资料：

因子分析的主要目的是用来描述隐藏在一组测量到的变量中的一些更基本的，但又无法直接测量到的隐性变量 (latent variable, latent factor)。比如，如果要测量学生的学习积极性(motivation)，课堂中的积极参与，作业完成情况，以及课外阅读时间可以用来反应积极性。而学习成绩可以用期中，期末成绩来反应。在这里，学习积极性与学习成绩是无法直接用一个测度(比如一个问题) 测准，它们必须用一组测度方法来测量，然后把测量结果结合起来，才能更准确地把握。

换句话说，这些变量无法直接测量。可以直接测量的可能只是它所反映的一个表征(manifest)，或者是它的一部分。在这里，表征与部分是两个不同的概念。表征是由这个隐性变量直接决定的。隐性变量是因，而表征是果，比如学习积极性是课堂参与程度 (表征测度)的一个主要决定因素。

参考资料来源：百度百科-因子分析