在进行KMO检验时，得到的KMO值小于0.6，“删除相关性较小的变量”这个相关是什么？还有因子分析前的探索性数据分析，怎么做才能识别异常值和离群点？

关于您的第一个问题，相关是指变量之间的线性相关性。在因子分析中，KMO检验用于检查变量之间的相关性是否足够强大，以便进行因子分析。KMO值的范围是0到1之间，越接近1表示变量之间的相关性越强，越适合因子分析。如果KMO值小于0.6，则说明变量之间的相关性不足够强，因此建议删除相关性较小的变量。

关于您的第二个问题，探索性数据分析可以使用箱线图、直方图、散点图等方法来识别异常值和离群点。箱线图可以显示数据的中位数、四分位数和异常值，通过观察箱线图可以识别异常值。直方图可以显示数据的分布情况，通过观察直方图可以识别离群点。散点图可以显示两个变量之间的关系，通过观察散点图可以识别异常值和离群点。另外，还可以使用统计方法来检测异常值和离群点，例如标准差方法、Z-score方法等。