Qu beneficios buscan los consumidores al comprar un

dentfrico?
n= 30 individuos.

Variables

V1: Es importante comprar dentfricos que prevengan las caries

V2: Me gustan los dentfricos que dejan los dientes brillantes

V3: Un dentfrico tiene que fortalecer las encas

V4: Prefiero un dentfrico que refresque el aliento

V5: La prevencin de las caries no es un beneficio importante ofrecido por los dentfricos

V6: La consideracin ms importante al comprar un dentfrico son los dientes bellos

Calificacin escala de 1 al 7
MATRIZ DE CORRELACION
Podemos observare en la matriz de correlaciones, que las relaciones son distinto de
cero, como en el caso de la relacin entre v4 y v6, por lo cual podemos desarrollar un
modelo de anlisis factorial.

Es as que el siguiente paso es desarrollar la prueba de esfericidad Barlett y tambin para

confirmar realizar la medida de adecuacin muestral de kiser meyer olkin.

Correlaciones

v1 v2 v3 v4 v5 v6
** **
v1 Correlacin de Pearson 1 -,053 ,873 -,086 -,858 ,004
Sig. (bilateral) ,780 ,000 ,651 ,000 ,983

N 30 30 30 30 30 30
** **
v2 Correlacin de Pearson -,053 1 -,155 ,572 ,020 ,640
Sig. (bilateral) ,780 ,413 ,001 ,918 ,000
N 30 30 30 30 30 30
** **
v3 Correlacin de Pearson ,873 -,155 1 -,248 -,778 -,018
Sig. (bilateral) ,000 ,413 ,187 ,000 ,924
N 30 30 30 30 30 30
**
v4 Correlacin de Pearson -,086 ,572 -,248 1 -,007 ,640**
Sig. (bilateral) ,651 ,001 ,187 ,972 ,000
N 30 30 30 30 30 30
** **
v5 Correlacin de Pearson -,858 ,020 -,778 -,007 1 -,136
Sig. (bilateral) ,000 ,918 ,000 ,972 ,472
N 30 30 30 30 30 30
** **
v6 Correlacin de Pearson ,004 ,640 -,018 ,640 -,136 1
Sig. (bilateral) ,983 ,000 ,924 ,000 ,472
N 30 30 30 30 30 30
**. La correlacin es significativa al nivel 0,01 (bilateral).
BARLETT1
HO: la matriz de correlaciones es la matriz de identidad=Modelo factorial inadecuado
=0.05

La sig. <0.05, Entonces rechazo la HO, tiene sentido hacer una AF

KMO y prueba de Bartlett

Medida de adecuacin muestral de Kaiser-Meyer-Olkin. ,660

Prueba de esfericidad de Chi-cuadrado aproximado 111,314

Bartlett gl 15

Sig. ,000

KMO 2
HO: Las correlaciones parciales 0 homogeneidad de los factores entre si
Las correlaciones totales 1
Decisin:

La prueba de KMO>0.5 , entonces NO rechazo la HO, tiene sentido hacer una AF

1
Matriz identidad

2
KMO=
donde = Coeficiente de correlacin simple entre las variables i y j
= Coeficiente de correlacin parcial entre las variables i y j, eliminando el efecto de
las variables restante.
COMUNALIDADES
Se puede observar en la tabla de comunalidades: existe variables bastante bien representadas por
la solucin factorial como las variables v1,v3,v4,v5v6.

Comunalidades

Inicial Extraccin

v1 ,859 ,928

v2 ,480 ,562

v3 ,814 ,836

v4 ,543 ,600

v5 ,763 ,789

v6 ,587 ,723

Mtodo de extraccin:
Factorizacin de Ejes principales.

VARIANZA EXPLICADA
a) CRITERIO DE KAISER. Conserva los factores cuyo valor autoasociado sea >1
b) Criterio de la Varianza. Conserva aquellos factores cuya variabilidad esplicada es supeior
al 75%.
c) Grfico de sedimentacin. Conserva aquellos factores hasta que se produce la ruptura
pronunciada y descenso gradual de los restantes.

Varianza total explicada

Sumas de las saturaciones al cuadrado de la

Autovalores iniciales extraccin

Factor Total % de la varianza % acumulado Total % de la varianza % acumulado

1 2,731 45,520 45,520 2,570 42,837 42,837

2 2,218 36,969 82,488 1,868 31,126 73,964

3 ,442 7,360 89,848

4 ,341 5,688 95,536

5 ,183 3,044 98,580

6 ,085 1,420 100,000

Mtodo de extraccin: Factorizacin de Ejes principales.

En la tabla de la varianza explicada, hay dos factores extrados que explican el 75.9% de la
varianza concuerda con la teora porque muy cerca del 75%3 propuesto. Se observa que es factor
bidimensional porque tanto como el F1 explica 42% de la varianza, el F2 explica casi de similar con
un 31 % de la varianza.

De la misma forma los autovalores son mayores a 1 para el factor 1 y para el factor 2, por lo tanto
debemos tomar 2 factores para nuestro anlisis factorial de segmentacin de mercado.

3
debe tomar en cuenta que en ciencias sociales, es aceptable hasta un 60 % de explicacin de la varianza
GRAFICA DE SEDIMENTACION

La grafica de sedimentacin coincide con dicho anteriormente, Si decidimos que el codo es este, el
punto donde cambia la tendencia de la sedimentacin, quedan solamente dos factores a la
izquierda del punto, por lo cual debemos tomar en cuenta para nuestro anlisis factorial dos
factores confirmado con lo dicho anteriomente.

TABLA DE SATURACIONES
EN la tabla de matriz de componentes, las variables V1, V3, V5 tienen saturacin alta en el factor
1. Las variables V2, V4, V6 tienen saturacin alta en el factor 2.

a
Matriz factorial

Factor

1 2

v1 ,949 ,168

v2 -,206 ,720

v3 ,914 ,038

v4 -,246 ,734

v5 -,850 -,259

v6 -,101 ,844

Mtodo de extraccin:
Factorizacin del eje principal.

a. 2 factores extrados.
Requeridas 10 iteraciones.
GRAFICO DE SATURACIONES
Los datos pueden resumirse en la afirmacin de que los consumidores parecen buscar dos tipos
importantes de beneficios en un dentfrico:

Primer segmento: beneficios para la salud

Segundo segmento: beneficios sociales estticos.

Los datos pueden resumirse en la afirmacin de que los consumidores parecen buscar dos tipos
importantes de beneficios en un dentfrico: beneficios para la salud y beneficios sociales estticos.
Adems dentro del anlisis se tiene un dato atpico que es v5 La prevencin de las caries no es un
beneficio importante ofrecido por los dentfricos.