因子分析是研究如何以最少的信息丢失将众多原有变量浓缩成少数几个因子，相互独立的因子反映的原有变量的绝大部分信息，并给予这些因子一定的命名解释的多元统计分析方法。代写论文说明，本文中对统计观测变量应用因子分析的方法提取医学培训会议顾客满意度影响因素模型中归纳提取的影响因子是否合理，找出几大影响因子之间的影响程度。

　　KMO和Bartlett的球形的检验，KMO和Bartlett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式是一个单位阵，即相关的系数矩阵对角线上的所有元素都是1，所有的非对角线上的元素都为零。Bartlett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，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。KMO也同样可以用来比较变量间相关系数的大小。如果KMO接近1，表示适合做因了分析，如果KMO接近0，表示不适合做因子分析。

　　为了分析影响会议顾客满意的因素构成，本研究使用SPSS17. 0统计学软件对相关观测指标进行因子分析，以对设置的研究变量的合理性进行验证，在提取因子之前，首先对样本做信度和效度进行有效性检验，代写论文分析，结果显示:样本充分性KMO测试系数为0. 902，样本分布的Bartlett球型卡方检验值为3.680E3，显著性为0.000，表明相关系数矩阵与单位矩阵有显著差异，可以对数据进行因子分析。