Test sferyczności Bartletta – jest  testem statystycznym używanym podczas wykonywania eksploracyjnej analizy czynnikowej.  Jest on często stosowany w psychometrii do oceny struktury czynnikowej danego konstruktu psychologicznego. Wyraża się wzorem:

Celem stosowania testu Bartletta jest ocena założenia o sferyczności macierzy korelacji między zmiennymi.  Sferyczność danych odnosi się do sytuacji, w której poszczególne zmienne nie są ze sobą skorelowane.  Takie założenie powinno zostać spełnione jeśli chcemy wykonać analizę czynnikową z wykorzystaniem standardowych metod, na przykład metody głównych składowych (PCA) lub metody największej wiarygodności (ML), ponieważ te oceniają strukturę czynnikową danych, próbując wyjaśnić większość wariancji w danych za pomocą najmniejszej liczby czynników.

W przypadku, gdy test sferyczności Bartletta wskazuje na brak sferyczności macierzy korelacji (istotne skorelowanie między zmiennymi), można zastosować bardziej zaawansowane metody analizy czynnikowej, które uwzględniają strukturę korelacji między zmiennymi i pozwalają na bardziej precyzyjne określenie czynników. Przykładem może być analiza czynnikowa z wykorzystaniem macierzy korelacji cząstkowej lub macierzy korelacji obciętej.

 Z punktu widzenia statystycznego, test Bartletta testuje hipotezę zerową o sferyczności macierzy korelacji. Oznacza to, że jeśli jego wynik jest istotny statystycznie, to ta hipoteza zostaje odrzucona, a zatem uznać można istnienie braku sferyczności.  Wskazuje to na istnieje współzależności pomiędzy poszczególnymi zmiennymi. Analogicznie, jeśli wynik testu Bartletta jest nieistotny statystycznie, hipoteza zerowa o sferyczności danych zostaje przyjęta, co wskazuje na istnienie sferyczności, a zatem brak współzależności między zmiennymi.

Warto tażke pamiętać, że test sferyczności Bartletta to zupełnie inna metoda, niż test sferyczności Mauchly’ego, ten ostatni wykorzystuje się do testowania założenia o równości wariancji różnic między parami pomiarów w ANOVA dla pomiarów powtórzonych.