Documente Academic
Documente Profesional
Documente Cultură
determinadas caractersticas cada grupo . Pues bien, para ello es conveniente recurrir al anlisis factorial. Una de las caractersticas de esta tcnica es que todas las variables son independientes ( no es as en varianza, regresin lineal, etc.) Ejemplo : En las ciencias sociales es comn aplicar un instrumento para recoger los datos de los encuestados, para ello se utiliza el cuestionario, mayormente este instrumento esta compuesto por una gran cantidad de preguntas o tems que dificulta al encuestado responderlo en un corto O si no veamos los Test, los cuestionarios tiempo ( que es lo ideal).
multidimensionales de clima laboral, compromiso etc. Si Ud, esta realizando una tesis y se ve ante esta situacin : apele al anlisis factorial. Realice una prueba piloto ( de acuerdo a los lineamientos segn la metodologa que se sigue para realizar una tesis) y consiga los resultados para este propsito. cmo? Imagnese que Ud, cuenta con un cuestionario de grado de satisfaccin laboral y encuentra afirmaciones o Items como: 1
esfericidad de Bartletts. asimismo se debe de considerar las comunalities. Para verificar el Item en la estructura general.
a) Si Ud, quiere saber para que sirve el KMO, es un ndice que predice si es probable que los datos consigan factores consistentes que puede variar entre 0 y 1 , ms cerca a 1 indicar que es ms recomendable hacer el uso del anlisis factorial.( considerar como valido mas de 0,5 )
factorial.
b) El ndice de la esfericidad de Bartletts , mientras ms pequeo ( menor a 0,05) indica que hay una probabilidad de relaciones significativas entre las variables y que la hiptesis nula no puede ser rechazada ( mayor a 0,05 ) y nos faculta a no asegurar que el modelo factorial es el adecuado para explicar los datos. El valor de 0,05 corresponde la nivel critico ( sig).
El valor de KMO = 0,691 > 0,5 ( bueno). Barletts tiene una p=000 < 0,50 El determinante es casi 0 Diagnstico de las condiciones para determinar si se puede usar o no el Anlisis factorial(A.F) En este cuadro indica que se cumplen satisfactoriamente por lo tanto se puede utilizar elA.F
Sumado a estos dos criterios: es necesario observar los resultados de las comunalidades ( comunalities). c) Las comunalities indica la cantidad de varianza contada en cada variable. Valores bajos indican que no existe un buen ajuste., por lo tanto dichos tems deben ser retirados. Para un mejor refinamiento de la escala. d) El Oblimin directo. corresponde al mtodo de rotacin directa ( no ortogonal) - El criterio de kaiser, se utiliza para determinar la cantidad de factores del modelo. Segn este criterio todos los componentes que tienen un
Eingenvalue ( autovalores)
Nota: el valor de 1.0 que viene en la inicial corresponde al mtodo de Componentes principales que se caracteriza porque existe el 100% de posibilidades de explicar la varianza observada.
Si se presentara un valor ( extraccin ) debajo de 0,3 el item deber retirarse. A partir de la cuadro 1 se puede plantear si el nmero de factores obtenidos es suficiente para explicar todas y cada una de las variables incluidas en el anlisis . Pues bien, si el instrumento es multidimensional, es de suponer que realiz la prueba piloto, Es preciso sealar que Si Ud, esta utilizando un cuestionario multidimensional ( por ejemplo de 4 o ms dimensiones) con este tcnica es probable que no exceda de 3 factores. Porque esta tcnica estadstica lo que busca es buscar congruencia entre tems de ah que en trminos porcentuales, podr conocer en que porcentaje los tres factores ( debe ser mayor al 50%) explica de la varianza ( se comprueba mediante el uso del SPSS) y se obtiene a travs la matriz varianza explicada (rotada) ( cuadro
Analicemos el cuadro 2. La lnea roja circunda 3 factores que son mayores que la unidad, la lnea azul muestra el % que estos 3 factores consiguen explicar de la varianza de los datos originales.( 55.422% )
Si se quiere que el porcentaje fuese mayor, se tendra que considerar otro factor ms. El cuadro 2 muestra una matriz de 9x9 , es posible extraer 9 variables independientes, es posible extraer 9 variables independientes y as explicar el 100% de la varianza total.
Con ello se consigue el objetivo de reducir el nmero de dimensiones ( factores) necesarias para explicar los datos. Los componentes o factores son vlidos cuando dichos obtengan valores superiores a 1. Es conveniente considerar que la cantidad de factores a tener en cuenta incluye para ello el porcentaje acumulado, como se seal anteriormente debe ser mayor al 50% ( revisar literatura sobre esta tcnica) Los valores obtenidos en el cuadro 2 se logra mediante el anlisis
desarrollado por jfgt para estudiantes de post grado desa 3.- Rotacin de Factores.
Se utiliza para clarificar la interpretacin de la estructura factorial, sin alterar la situacin de una variables respecto a las otras. Asimismo sin alterar el % de varianza. Como ejemplo Veamos el cuadro 3 Cuadro 3
Las saturaciones( correlacionan) mayo a 0,500 que indica una asociacin elevada En este ejemplo podemos mostrar el resultado obtenido mediante el Anlisis Factorial rotada, utilizando el Oblimin directo. Nota: - El resultado del Cuadro 2 se obtuvo utilizando la varianza explicada., una vez identificado los factores y su porcentaje de explicacin, se procese a aplicar el anlisis factorial ( cuadro 3 ) como lo expuesto anteriormente. El cuadro 3, se denomina Solucin factorial , esta matriz cambia la denominacin segn el mtodo utilizado como el de Componentes elegidos. Como Principales como mtodo de extraccin Veamos un ejemplo practico: Del cuadro 3 Podr observar que se trata de compromiso organizacional, compuesto por 3 dimensiones. El primero corresponde al compromiso afectivo, el segundo es compromiso continuidad e el tercero es compromiso moral porque? Habr notado la congruencia entre los dos primeros, tems , asimismo las otras dos. 6 de los factores
Componente de satisfaccin