Proyecto de Título II Castro Cruces

Facultad de ciencias
Departamento de Estadı́stica
Carrera Ingenierı́a Estadı́stica
PROYECTO DE TÍTULO II
Asignatura : Proyecto de Tı́tulo II (220068)
Tı́tulo : Prevalencia en el hábito de fumar

de los estudiantes de la Universidad
del Bı́o-Bı́o, sede Concepción.
Realizado por : Bayron Felipe Castro Araneda
Katherine Valeria Cruces Labrin
Profesor Guı́a : Dr. Francisco Novoa
Profesor Co-guı́a :Dr. Sergio Contreras
Semestre : Primer Semestre 2018
UNIVERSIDAD DEL BÍO-BÍO

www.ubiobio.cl
Proyecto de Tı́tulo II
PROYECTO DE TÍTULO II
Prevalencia en el hábito de fumar de los estudiantes de la

Universidad del Bı́o-Bı́o sede Concepción
Universidad del Bı́o-Bı́o

Departamento de Estadı́stica
Octubre de 2018
2 Ingenierı́a Estadı́stica
Proyecto de Tı́tulo II
Resumen
El siguiente informe corresponde al Proyecto de Tı́tulo II denominado “Prevalencia en el
hábito de fumar de los estudiantes de la Universidad del Bı́o-Bı́o Sede Concepción”. Para
la realización de esta investigación, se contó con la participación de todas la carreras que
imparte la Universidad del Bı́o-Bı́o, sede Concepción contando además con el programa
de Bachillerato en Ciencias.
Previamente a la realización de la encuesta se hizo la validación del cuestionario a través
del método de Lawshe(1975)consultando a 8 jueces, los cuales fueron profesionales del
área de salud del departamento de bienestar estudiantil de la Universidad del Bı́o-Bı́o. En
esta investigación contamos con una población de 7277 estudiantes de la Universidad del
Bı́o.Bı́o, sede Concepción de las cuales se sacó una muestra estratificada a las cuatro facul-
tades más la escuela de Trabajo Social, siendo estos organismo los estratos de la muestra,
la muestra fue proporcional según la cantidad de estudiantes en cada facultad, siendo un
total de 365 estudiantes a encuestar y la proporción de encuestados por facultad fue de
197 estudiantes de la facultad de Ingenierı́a, 80 de la facultad de Ciencias Empresariales,
65 de la facultad de Arquitectura, Construcción y Diseño, 12 de la facultad de ciencias y
11 de la escuela de Trabajo Social. Se analizaron los resultados a través del programa Spss
y Excel, obteniendo resultados en tablas y gráficos, pudiendo interpretar la frecuencia y
el hábito de los estudiantes fumadores, los que dejaron de fumar y los estudiantes no
fumadores.
Proyecto de Tı́tulo II ÍNDICE
Índice
1. Introducción 8
2. Objetivos 10
2.1. Objetivo General . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.2. Objetivos Especı́ficos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
3. Instrumento 11
4. Metodologı́a 12
5. Validación 14
5.1. Validez de contenido . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
5.2. Validez de Constructo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
5.3. Análisis factorial Exploratorio . . . . . . . . . . . . . . . . . . . . . . . . . 21
5.4. Consistencia interna (Alpha Ordinal) . . . . . . . . . . . . . . . . . . . . . 28
5.5. Análisis factorial Confirmatorio . . . . . . . . . . . . . . . . . . . . . . . . 30
6. Análisis descriptivo 33
6.1. Análisis y Resultados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
6.2. Análisis general del hábito de fumar . . . . . . . . . . . . . . . . . . . . . . 35
6.3. Análisis de estudiantes que han dejado el hábito de fumar . . . . . . . . . 43
6.4. Análisis de estudiantes que son fumadores . . . . . . . . . . . . . . . . . . 45
6.5. Análisis de estudiantes no fumadores . . . . . . . . . . . . . . . . . . . . . 49
6.6. Análisis bivariados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
7. Conclusión 58
8. Referencias Bibliográficas 59
9. ANEXO 61
Proyecto de Tı́tulo II ÍNDICE DE FIGURAS
Índice de figuras
1. Gráfico de sedimentación . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2. Gráfico de componentes rotados . . . . . . . . . . . . . . . . . . . . . . . . 27
3. Coeficiente alpha en R . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
4. Diagrama Ecuación estructural . . . . . . . . . . . . . . . . . . . . . . . . 32
5. Muestra seleccionada por Facultad . . . . . . . . . . . . . . . . . . . . . . 33
6. Edad de los estudiantes encuestados . . . . . . . . . . . . . . . . . . . . . . 34
7. Porcentaje de respuesta a la pregunta ¿Es o ha sido fumador? . . . . . . . 35
8. Histograma de la respuesta ¿A que edad aproximada comenzó a fumar? . . 36
9. Estudiantes encuestado por Facultad segun Sexo . . . . . . . . . . . . . . . 40
10. Histograma de la respuesta ¿A que edad aproximada dejo de fumar? . . . . 43
Proyecto de Tı́tulo II ÍNDICE DE TABLAS
Índice de Tablas
1. Carreras que participaron en el muestreo . . . . . . . . . . . . . . . . . . . 13
2. valores de CVR Mı́nimo . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
3. Resultados de validación de Lawshe y Lawshe Modificado . . . . . . . . . . 19
4. Datos de Aceptación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
5. Item con valores Aceptados . . . . . . . . . . . . . . . . . . . . . . . . . . 20
6. Valores del indice KMO . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
7. KMO y Prueba de Bartlett . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
8. Comunalidades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
9. Varianza total explicada Autovalores (valores propios) . . . . . . . . . . . . 24
10. Matriz de componentes rotados . . . . . . . . . . . . . . . . . . . . . . . . 26
11. Interpretación Coeficiente Alpha . . . . . . . . . . . . . . . . . . . . . . . . 29
12. estadı́sticos de bondad de ajuste . . . . . . . . . . . . . . . . . . . . . . . . 32
13. Distrubucion de la pregunta ¿Con que frecuencia fumaba o fuma ? . . . . . 37
14. Distribución de la pregunta ¿Que fuma o fumaba habitualmente? . . . . . 38
15. Distribución de fumadoras según facultad . . . . . . . . . . . . . . . . . . . 39
16. Distribución de fumadores según Facultad . . . . . . . . . . . . . . . . . . 40
17. : Distribución de los que piensan que fumar perjudica o no la salud del
fumador . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
18. ¿Siente que fumar ha perjudicado su salud? . . . . . . . . . . . . . . . . . 41
19. Distribución de la pregunta ¿De que manera ha perjudicado su salud? . . 42
20. Distribución de la pregunta ¿Por qué dejó de fumar? . . . . . . . . . . . . 44
21. Distribución ¿Cuántas veces fuma al dı́a? . . . . . . . . . . . . . . . . . . . 45
22. ¿Fuma cuando está enfermo? . . . . . . . . . . . . . . . . . . . . . . . . . . 46
23. ¿Ha intentado dejar de fumar alguna vez? . . . . . . . . . . . . . . . . . . 46
24. Distribución de la pregunta ¿Por qué cree que intento dejar de fumar ? . . 47
25. ¿Por qué cree que volvió a fumar otra vez? . . . . . . . . . . . . . . . . . . 47
26. ¿Cree usted que necesita ayuda para dejar de fumar? . . . . . . . . . . . . 48
27. ¿Por que nunca ha fumado? . . . . . . . . . . . . . . . . . . . . . . . . . . 49
Proyecto de Tı́tulo II ÍNDICE DE TABLAS
28. ¿Le molesta compartir con personas fumadoras? . . . . . . . . . . . . . . . 49

29. ¿Asiste a lugares que permitan fumar? . . . . . . . . . . . . . . . . . . . . 50
30. ¿Conoce de lugares aptos para fumar dentro de la Universidad? . . . . . . 50
31. Tabla de contingencia ¿Cuántas veces fuma al dı́a? versus ¿Cree usted que
necesita ayuda para dejar de fumar? . . . . . . . . . . . . . . . . . . . . . 52
32. Tabla de contingencia ¿Es o ha sido usted fumador/a? con sexo . . . . . . 54
33. Tabla de contingencia ¿Es o ha sido usted fumador/a? según Facultad . . . 55
34. Tabla de contingencia ¿Que fuma a fumaba habitualmente? según Sexo . . 56
35. Tabla de contingencia De las personas que contestaron ¿Cree usted que
necesita ayuda para dejar de fumar? según si ha sido o es fumador . . . . . 57
Proyecto de Tı́tulo II 1 INTRODUCCIÓN
1. Introducción
El tabaco es una de las mayores amenazas para la salud pública que ha tenido que
afrontar el mundo. Mata a más de 7 millones de personas al año, de las cuales más de 6
millones son consumidores directos y alrededor de 890 000 son no fumadores expuestos al
humo ajeno. Casi el 80 % de los más de mil millones de fumadores que hay en el mundo
viven en paı́ses de ingresos bajos o medios, donde es mayor la carga de morbilidad y
mortalidad asociada al tabaco. Los consumidores de tabaco que mueren prematuramente
privan a sus familias de ingresos, aumentan el costo de la atención sanitaria y dificultan
el desarrollo económico.(OMS, 2018)
Por otro lado la Cannabis ha sido objeto de importante debate internacional. Algunas
voces que proponen la legalización suponen que esta medida quitarı́a ganancias a los tra-
ficantes y existe consenso de que su consumo no debe de ser motivo de encarcelamiento.
Algunos grupos promueven su uso medicinal, otros más reconocen algunos beneficios po-
tenciales para la salud pero no documentan los riesgos de la Cannabis fumada, de ahı́ que
piensen que la alternativa será usar medicamentos que contienen el principio activo tetra-
hidrocannabinol (THC), cuyos beneficios para la salud estén por encima de los daños que
ocasionen. Estos argumentos que llegan a nuestros jóvenes no indican que la Cannabis
sea una droga segura. Si bien cuando se le compara con otras drogas tiene menor nivel
de toxicidad y se le asocia con menos consecuencias sociales éstas sı́ están presentes como
cuando se usa al conducir automóviles. Existe evidencia de que a mayor nivel de uso ma-
yor es la probabilidad de que se usen otras drogas.( Babor T, Miller P, Edwards G. 2010)
En Chile el consumo de tabaco si bien ha disminuido, las cifras sigue siendo preocupan-
tes, el tabaco enferma anualmente a 60.470 personas por EPOC (Enfermedad pulmonar
obstructiva crónica); a 23.851 por enfermedades cardiacas; a 14.473 por Accidente Cere-
bro Vascular, y a 8.012 por cáncer ,y 54 personas mueren cada dı́a debido al tabaquismo
(IECS-Instituto de Efectividad Clı́nica y Sanitaria, 2017). En cambio hay importante au-
mento en el consumo de marihuana reveló el Décimo Segundo Estudio Nacional de Drogas
en Población General realizado por el Servicio Nacional para la Prevención y Rehabilita-
ción del Consumo de Drogas y Alcohol (SENDA, 2017). Pasó de 4,6 % en el 2010 a 14,5 %
Proyecto de Tı́tulo II 1 INTRODUCCIÓN
en el 2016, cifra que se traduce en un incremento de la prevalencia de uso de esta sustancia

de 215,2 % en los últimos 6 años. Esta alza se registró tanto en hombres como en mujeres.
La mayorı́a de los fumadores que conocen los peligros de la ingesta de humo tóxico desean
dejarlo. El asesoramiento y la medicación pueden duplicar con creces la probabilidad de
que un fumador que desea abandonar el tabaco lo consiga. Por lo anteriormente expuesto,
el presente proyecto de tı́tulo tiene por objetivo realizar un análisis estadı́stico a los datos
recopilados y ası́ poder argumentar los motivos y qué tan frecuente es el hábito de fumar
en los estudiantes de la Universidad del Bı́o-Bı́o, sede Concepción, a partir de la aplica-
ción de un instrumento desarrollado para este propósito. Se espera que los resultados y
conclusiones del trabajo sirvan de insumo para implementar polı́ticas de prevención para
los alumnos de la Universidad del Bı́o-Bı́o, sede Concepción.
Proyecto de Tı́tulo II 2 OBJETIVOS
2. Objetivos
2.1. Objetivo General
Determinar la prevalencia en el hábito de fumar de los estudiantes de pregrado de la

Universidad del Bı́o-Bı́o, sede Concepción durante la permanencia en la institución.
2.2. Objetivos Especı́ficos
Para cumplir con lo propuesto en el objetivo general este estudio se divide en dos
etapas. La primera etapa se desarrolla en el Proyecto de Tı́tulo I , en la segunda etapa se
plantean los siguientes objetivos especı́ficos:
Aplicar la encuesta a los estudiantes muestreados de la Universidad del Bı́o-Bı́o,

sede Concepción.
Generar la base de datos.
Generar resultados descriptivos.
Realizar informe correspondiente al estudio realizado.
Proyecto de Tı́tulo II 3 INSTRUMENTO
3. Instrumento
Para llevar a cabo este Proyecto de Tı́tulo fue necesario e imprescindible contar con
algún instrumento de medición para obtener resultados y conclusiones sobre la prevalencia
en el hábito de fumar en los estudiantes de la Universidad del Bı́o-Bı́o, sede Concepción.
El instrumento utilizado para la investigación fue una encuesta modificada a partir de
otra que fue aplicada a trabajadores de un hospital en Albacete, España.
La cual fue validada por un panel de 8 expertos, funcionarios de Desarrollo estudiantil
departamento de salud, tanto de la sede Concepción y las sedes de Chillán. Mediante
el método de validación de Lawshe modificada, propuesta por López-Tristán(2008). La
encuesta consta de 2 ı́tems principales:
- Para los que han fumado o son fumadores
Las primeras 6 preguntas están enfocadas a los estudiantes que son o han sido fumadores
, las preguntas 7 y 8 están dirigidas a los estudiantes que han dejado de fumar, finalmente
de la pregunta 9 a la 15 son dirigidas a los estudiantes que son fumadores activos, y
ası́ poder conocer la frecuencia de dicho hábito.
- Para los que nunca han fumado
Las pregunta 16 a 19 están diseñada para los estudiantes que no son fumadores y ası́ poder
conocer si son tolerantes a este hábito.
Proyecto de Tı́tulo II 4 METODOLOGÍA
4. Metodologı́a
La Universidad del Bı́o-Bı́o cuenta con 3 sedes, Concepción, Chillán y los Ángeles de
las cuales consta con 40 carreras, nuestro estudio lo realizamos en la Sede Concepción,
donde se imparten 20 carreras incluyendo el Programa de Bachillerato y la escuela de
Trabajo Social. El total de alumnos seleccionados fueron 365, de un total de 7277 estu-
diantes.
Para la realización de esta investigación, contamos con el apoyo del Departamento de
Salud de dicha casa de estudios, donde el objetivo fundamental de ellos es tener un cono-
cimiento claro y verı́dico sobre el hábito de fumar de los alumnos del campus Concepción.
En una primera instancia, se investigó el número total de alumnos regulares hasta el

2017 de la Universidad del Bı́o-Bı́o, sede Concepción; esto para llevar a cabo el muestreo
correspondiente para que fuera representativo de la población objetivo, donde el sondeo
llevado a cabo fue un muestreo del tipo estratificado con afijación proporcional al tamaño,
donde cada estrato corresponde a cada Facultad que ofrece la Universidad más la escuela
de Trabajo Social.
La información se obtuvo a partir de una encuesta, la cual fue realizada de manera

presencial, aplicada a cada alumno participante de este estudio siendo sus respuesta re-
gistrada de forma anónima con pleno consentimiento por parte de cada estudiante.
Para la tabulación de los datos se utilizó una planilla Excel, para resultados des-
criptivos se utilizó el software SPSS v.19, AMOS SPSS v.19, R-project v3.5.1 y para la
presentación de este informe se utilizó el procesador de texto Latex.
Proyecto de Tı́tulo II 4 METODOLOGÍA
Facultad Carrera
Ingenierı́a Civil Eléctrica
Ingenierı́a Civil Industrial
Ingenierı́a de Ejecución en Electrónica
Ingenierı́a de Ejecución en Electricidad
Ingenierı́a Civil
Ingenierı́a
Ingenierı́a Civil en Automatización
Ingenierı́a Civil Mecánica
Ingenierı́a de Ejecución en Mecánica
Ingenierı́a Civil Quı́mica
Ingenierı́a Civil en Industrias de la Madera
Ingenierı́a Estadı́stica
Ciencias
Bachillerato en Ciencias
Ingenierı́a Comercial
Ingenierı́a Civil en Informática
Ciencias Empresariales Contador Público y Auditor
Ingenierı́a de Ejecución en Computación
e Informatica
Arquitectura
Arquitectura,
Ingenierı́a en Construcción
Construcción y Diseño
Diseño Industrial
Escuela de Trabajo Social Trabajo Social
Tabla 1: Carreras que participaron en el muestreo
La tabla 1 se muestran las facultades, carreras y escuela que participaron en este

estudio.
Proyecto de Tı́tulo II 5 VALIDACIÓN
5. Validación
La validez de un test indica el grado de exactitud con el que mide el constructo-teórico
que pretende medir y si se puede utilizar con el fin previsto. Es decir, un test es válido si
”mide lo que dice medir”. Es la cualidad más importante de un instrumento de medida.
Un instrumento puede ser fiable pero no válido; pero si es válido ha de ser también fiable.
Se puede decir, que la validez tiene tres grandes componentes:
Validez de contenido
Validez de criterio o criterial
Validez de constructo
Dado al tipo de encuesta a utilizar, esta sección se enfocara en el primer item : Validación
de contenido mediante el indice de validez de contenido CVR.
5.1. Validez de contenido
La validación de contenido se refiere al grado en que el test presenta una muestra

adecuada de los contenidos a los que se refiere, sin omisiones y sin desequilibrios de
contenido. La validez de contenido se utiliza principalmente con tests de rendimiento, y
especialmente con los tests educativos y tests referidos al criterio. En este tipo de tests se
trata de comprobar los conocimientos respecto a una materia o un curso. La validez de
contenido descansa generalmente en el juicio de expertos (métodos de juicio). Se define
como el grado en que los ı́tems que componen el test representan el contenido que el test
trata de evaluar. Por tanto, la validez de contenido se basa en la definición precisa del
dominio y en el juicio sobre el grado de suficiencia con que ese dominio se evalúa. A pesar
de que no se utiliza un ı́ndice de correlación para expresar la validez de contenido, existen
procedimientos para cuantificarlo. Algunos de estos procedimientos son:
Cálculo de descriptivos: Consiste en calcular la media y la desviación tı́pica de

todos los ı́tems. A continuación, se determinará una puntuación de corte (o ı́ndice
de validez de contenido) que refleje, en base a la evaluación de los expertos (método

de juicio), que la puntuación del ı́tem es demasiado baja en relevancia como para
ser incluido en la escala. No hay reglas. La decisión dependerá del juicio propio. Por
este motivo, se han de tener en cuenta las siguientes cuestiones:
• Ser capaz de justificar la decisión sobre la puntuación corte.
• Usar la misma puntuación de corte para todos los ı́tems de la escala, incluso si
la escala es multidimensional.
• No poner una puntuación de corte tan alta que implique eliminar muchos ı́tems.
(Se podrán eliminar más ı́tems con el cálculo de la fiabilidad y el análisis
factorial).
Índice de validez de contenido (CVR): Lawshe(1975) propuso un modelo que

consiste en organizar un Panel de Evaluación de Contenido, integrado por especia-
listas en la tarea a evaluar (pudiendo ser competencias, conocimientos, habilidades,
funciones u otro tipo de elemento distintivo de la capacidad de un sujeto que va a ser
evaluado), quienes contarán con un ejemplar de la prueba o del conjunto de ı́tems
a analizar y sobre los cuales deberán emitir su opinión en tres categorı́as: esencial,
útil pero no esencial, no necesario.
Lawshe(1975) propone que estas categorı́as se asocien con la habilidad, conocimien-
to o competencia medidos por el ı́tem para el desempeño de una tarea. Una vez que
los expertos anotan su opinión respecto a cada ı́tem en las tres categorı́as citadas,
se debe determinar el número de coincidencias en la categorı́a esencial y se espera
que se tengan grandes acuerdos entre los jueces, de hecho más del 50 % de acuerdos
debe ocurrir entre jueces en esta categorı́a para considerar que el ı́tem tiene un cierto
grado de validez de contenido.
Para establecer el consenso de los expertos en la categorı́a esencial, Lawshe propone

la Razón de Validez de Contenido (Content Validity Ratio, CVR) definida por la
expresión:
ne − N/2
CV R = (1)
N/2
Esta expresión es planteada por Lawshe con la intención de que se pueda interpretar
como si fuera un correlación, por tomar valores de −1 a 1; de tal modo que CVR es
negativa si el acuerdo ocurren menos de la mitad de los jueces el CVR es nula si se
tiene exactamente la mitad de acuerdos en los jueces y, finalmente, CVR es positiva
si hay mas de la mitad de acuerdos.
Adicionalmente, se debe pensar que no se trata solamente que CVR sea positiva
sino que sea estadı́sticamente significativa, por lo cual Lawshe presenta una tabla
con los valores de CVR mı́nimos con una significancia de un 5 %,como se muestra
en el tabla 2 (Tabla valores de CVR) .
Panelistas CVR CVR’

2 No reportado 1
3 No reportado 0,67
4 No reportado 0,75
5 1 0,60
6 1 0,67
7 1 0,71
8 0,75 0,63
9 0,78 0,67
10 0,62 0,60
11 0,59 0,64
12 0,56 0,58
13 0,54 0,62
14 0,51 0,64
15 0,49 0,60
20 0,42 0,60
25 0,37 0,60
30 0,33 0,60
35 0,31 0,60
40 0,29 0,60
Tabla 2: valores de CVR Mı́nimo
Una vez calculada la CVR de todos los ı́tems y aceptados los que tienen valores
superiores a los mı́nimos propuestos por Lawshe, se calcula la media de CVR y con
ello se obtiene el ı́ndice de Validez de Contenido de toda la prueba (Content Vali-
dity Index, CVI), y que se debe interpretar como la concordancia entre la capacidad
(habilidad, competencia, conocimiento, 3 etc.) solicitada en un dominio especı́fico y
el desempeño solicitado en la prueba que trata de medir dicho dominio.
La expresión para el CVI es:
PM
i=1CV Ri
CV I = (2)
M
El modelo de Lawshe presenta tres problemas principales: En primer lugar, no ex-
plica ni justifica el procedimiento seguido para construir la tabla de valores mı́nimos
de aceptación para la CVR, por lo cual a veces se complica su interpretación.
Los valores mı́nimos de CVR se ven afectados por el número de panelistas, de tal
modo que CVR es muy exigente con pocos panelistas (CVR=1 con 5 panelistas) y
muy laxo con un gran número de panelistas (CVR=0.29 con 40 panelistas). Final-
mente, no es aplicable a paneles con menos de cinco expertos. Con objeto de mejorar
el modelo de Lawshe, Tristán-López (2008) propone un indicador que es denotado
como CVR’. Para ello se revisa el modelo de establecimiento de los valores de CVR
mı́nimos, se identifica la condición que hace que la exigencia del modelo dependa del
número de panelistas y se ve su ámbito de aplicación, de manera de poder utilizar el
modelo con el menor número posible de panelistas, no necesariamente en consenso
unánime. Se tiene que
ne
CV R0 = (3)
N
con la misma nomenclatura empleada para CVR, se puede probar que:
CV R + 1
CV R0 = (4)
2
Tristan-López muestran que el valor mı́nimo aceptable para CV R0 es 0,5823 en el

cuadro anterior se muestran los valores minimos aceptbles para distintos numero de
jueces.
Tabla 3: Resultados de validación de Lawshe y Lawshe Modificado

Total esencial Total Esencial
Ítem CVR CVR’ Ítem CVR CVR’
(ne) (ne)
1 8 1 1 15 3 -0,25 0,38
2 6 0,5 0,75 16 4 0 0,5
3 5 0,25 0,63 17 8 1 1
4 3 -0,25 0,38 18 7 0,75 0,88
5 8 1 1 19 5 0,25 0,63
6 8 1 1 20 8 1 1
7 6 0,5 0,75 21 8 1 1
8 7 0,75 0,88 22 8 1 1
9 2 -0,5 0,25 23 8 1 1
10 6 0,5 0,75 24 7 0,75 0,88
11 7 0,75 0,88 25 5 0,25 0,63
12 6 0,5 0,75 26 6 0,5 0,75
13 5 0,25 0,63 27 5 0,25 0,63
14 8 1 1
Como podemos observar en la tabla 3, los valores inferiores a 0,75 según el CVR (tabla
4) son eliminados de la encuesta quedando un total de 13 ı́tems aceptados, en cambio con
el CVR modificado los valores deben ser inferiores a 0,63 quedando 23 ı́tems aceptados.
En nuestra investigación trabajaremos con los CVR modificados ya que el CVR es muy
exigente para pocos panelista. (ver tabla 2)
Tabla 4: Datos de Aceptación

CVR 0,75
CVR’ 0.63
Numero de Jueces 8
Ítem Aceptados con CVR 13
Ítem Aceptados con CVR’ 23
Tabla 5: Item con valores Aceptados

Total esencial Total esencial
Ítem CVR CVR’ Ítem CVR CVR’
(ne) (ne)
1 8 1 1 15 3
2 6 0,75 16 4
3 5 0,63 17 8 1 1
4 3 18 7 0,75 0,88
5 8 1 1 19 5 0,63
6 8 1 1 20 8 1 1
7 6 0,75 21 8 1 1
8 7 0,75 0,88 22 8 1 1
9 2 23 8 1 1
10 6 0,75 24 7 0,75 0,88
11 7 0,75 0,88 25 5 0,63
12 6 0,75 26 6
13 5 0,63 27 5 0,63
14 8 1 1
CVR CVR’
CVI 0,92307692 0,84863636
Podemos concluir que en la tabla 5, que si tomanos en cuenta solo la razón de validez
de contenido (content Validity Ratio, CVR) aceptarı́amos 13 de los 27 ı́tems, ahora bien
si tomamos CVR modificado 23 de los 27 ı́tems fueron aceptados de acuerdo al criterio de
Lawshe, por lo tanto trabajaremos con el CVR modificado, ya que se puede aceptar mas
ı́tem en nuestra encuesta. Además, CVI=0.848>0.58, por lo cual se puede afirmar que el
cuestionario tiene una validez de contenido aceptable de acuerdo con los 8 especialistas
que participaron en el panel de expertos.
5.2. Validez de Constructo
Confiabilidad del Instrumento
Diversos autores han brindado su punto de vista acerca del concepto de confiabilidad.
Algunos señalan que la confiabilidad es la proporción de la varianza total atribuida a la
varianza verdadera, y en consecuencia, entre mayor sea la proporción de la varianza total
atribuida a la varianza verdadera, la prueba sera más confiable(Cohen y Swerdlick,2001;
Alarcón,1998).
Por otro lado, otros autores, como Hogan(2004), mencionan que la confiabilidad se rela-
ciona con la consistencia de las puntuaciones en la medición al margen de lo que mida el
instrumento. Muñiz (1994) por su parte refiere que la confiabilidad se refiere a la estabili-
dad de las mediciones cuando no existan razones teóricas o empı́ricas para suponer que la
variable a medir haya sido modificada diferencialmente para los sujetos. Otra definición
la dan Prieto y Delgado(2010), para quienes la fiabilidad se concibe como la consistencia
o estabilidad de las medidas cuando el proceso de medición se repite.
Análisis factorial
El punto de comienzo en el análisis factorial, como con otras técnicas estadı́sticas, es el

problema objeto de investigación. El propósito general de las técnicas analı́ticas de factores
es encontrar una manera de resumir la información contenida en una serie de variables
originales a otra serie más pequeña de dimensiones compuestas o factores nuevos con una
mı́nima perdida de información.
En este capitulo desarrollamos en análisis factorial exploratorio y confirmatorio, para
esto se empleo el programa estadı́stico SPSS, AMOSS SPSS y R-Project.
5.3. Análisis factorial Exploratorio
El Análisis Factorial exploratorio (AFE) de ı́tems es una de las técnicas más frecuen-
temente aplicadas en estudios relacionados con el desarrollo y validación de tests, porque
es la técnica por excelencia que se utiliza para explorar el conjunto de variables latentes
o factores comunes que explican las respuestas a los ı́tems de un test.

Para el diagnóstico de la multicolinealidad de las variables que ingresaremos al modelo,
además de interpretar el determinante de la matriz de correlaciones, trabajamos con el
test de esfericidad de Bartlett y la prueba de Kaiser-Meyer-Olkin (KMO).
El ı́ndice KMO compara la magnitud de los coeficientes de correlación observados con
la magnitud de los coeficientes de correlación parcial. Este estadı́stico varı́a entre 0 y 1
como se muestra en la tabla 6.
Tabla 6: Valores del indice KMO
El test de esfericidad de Barlett, que permite contrastar la hipótesis de que la matriz

de correlaciones es una matriz identidad. Si esta hipótesis se aceptase (valor del test bajo y
asociado a un nivel de significación alto), se deberı́a cuestionar la utilización de cualquier
tipo de análisis factorial, ya que significarı́a la práctica inexistencia de correlación entre
los ı́temes.
Tabla 7: KMO y Prueba de Bartlett
Como se muestra en la tabla 7, los resultados obtenidos el KMO de 0,927 lo que indica
que la muestra tomada para el estudio es apropiada y que por lo tanto se puede continuar
con la aplicación del análisis factorial.
El test de esfericidad de Barlett, presentó una significancia muy inferior al lı́mite 0.05,
pues fue de 0.000, lo cual nos indica que la matriz de datos es válida para continuar con
el proceso de análisis factorial.
La comunalidad asociada a la variable j-ésima es la proporción de variabilidad de dicha

variable explicada por los k factores considerados. Equivale a la suma de la j-ésima de la
matriz factorial. Sera igual a cero si los factores comunes no explican nada la variabilidad
de una variable, y de sera igual a uno si quedase totalmente explica.
Tabla 8: Comunalidades
De la tabla 8 las comunalidades son altas (cercanas a 1), con lo cual se afirma que las
variables queda muy bien explicadas a través de las componentes extraı́das.
En el cuadro de la varianza total explica se muestra cada componente y cuales son las
componentes que han sido extraidas (autovalores mayores a la unidad).
Tabla 9: Varianza total explicada Autovalores (valores propios)
En la tabla 9 los resultados muestran que entre las dos primeras componentes extraı́das
se acumula el 80,519 % de la variabilidad de las variable originales. Dicho de otra manera,
sólo son relevantes 2 factores para resumir las variables originales del problema.
EL gráfico de la varianza asociada a cada factor se utiliza para determinar cuántos

factores deben retenerse.
Figura 1: Gráfico de sedimentación
La figura 1 muestra de forma gráfica la decisión del numero de componentes que hay
que seleccionar. Se visualiza y se verifica que la selección de las dos primeras componentes
parece ser la mas adecuada.
En la matriz de componentes rotados, mostrando los valores situados por encima de

0,5 para ası́ lograr una mejor exposición de las variables iniciales obtenidas para cada
componente.
Tabla 10: Matriz de componentes rotados
Como se observa en la tabla 10 tenemos dos componentes principales, renombrar las

componentes en función de las variables iniciales que incorporan:
Componente 1. Esta componente engloba al conjunto de atributos que se concentran en
la encuesta como las pertenecientes al grupo de información general.
Componente 2. Contiene seis variables iniciales, las que son consideradas en el grupo
designado a los estudiantes que son o han sido fumador.
El gráfico de saturaciones (gráfico de componentes principales) visualiza la represen-

tación gráfica de la matriz de componentes principales.
Figura 2: Gráfico de componentes rotados
De la figura 2 se extrae la agrupación de los items y como también lo indica la matriz

de componentes rotados, se aprecian tres conjuntos el de las preguntas de aspecto general,
el de preguntas a fumadores activos y el que se encuentra mas lejano corresponde a las
preguntas asignadas a los estudiantes que no son fumadores.
5.4. Consistencia interna (Alpha Ordinal)
Se tiene entonces que con ı́tems dicotómicos, es más aceptado el uso del estimador
KR-20. Con ı́tems politómicos sobrevienen las dificultades. Es conocido que el uso del
coeficiente Alfa de Cronbach es propuesto muchas veces sin considerar las restricciones que
tiene su uso (Campo-Arias y Oviedo, 2008; Oviedo y Campo-Arias, 2005), y los problemas
que podrı́a acarrear en el caso que su uso sea inadecuado, como por ejemplo, en escalas de
cuatro o menos opciones de respuesta (Lozano, Garcı́a-Cueto y Muñiz, 2008; Weng, 2004),
debido a que es preferible porque solo se requiere una aplicación del instrumento para
lograr su estimación y está disponible como la única opción para estimar la estabilidad
por consistencia interna en diversos paquetes estadı́sticos comerciales. Sumado a ello, la
limitación más seria que presenta el coeficiente Alfa de Cronbach, es que supone el carácter
continuo de las variables, algo que no se cumple en ciencias sociales, lo que lleva a una
sub-estimación de la confiabilidad (Elosua y Zumbo, 2008).
Elosua y Zumbo (2008) realizaron una revisión sobre la pertinencia del uso de otros
estimadores de la confiabilidad por consistencia interna para el caso de ı́tems que tengan
menos de cinco opciones de respuesta, como es el caso del Alfa ordinal Revista de Inves-
tigación en Psicologı́a - Vol. 15, No 1 215 Sergio Dominguez L. desde el modelo del factor
común y el coeficiente Theta de Armor, desde el modelo de los componentes principales.
Dichos autores plantean expresiones matemáticas para su cálculo, apoyados con los out-
put de correlaciones policóricas del software libre FACTOR (Lorenzo y Ferrando, 2007),
mas no una herramienta que permita el cálculo directo utilizando los datos provenientes
de dicho programa, sin recurrir a procedimientos manuales para hallar dichos coeficientes.
Coeficiente alpha Considerando sólo la matriz de correlaciones de Pearson y el

modelo del análisis factorial, McDonald (1985, p. 217) describió cómo computar el coefi-
ciente alpha desde el modelo del factor común. Para una escala compuesta por n ı́tems el
coeficiente alpha podrı́a estimarse como:
n(λ̄)2 − λ̄2

n
α= (5)
n − 1 n(λ̄)2 + (µ2 )
donde n es el número de los ı́tems.
λ̄ es la media aritmética de los pesos factoriales.
λ¯2 es la media aritmética de los cuadrados de los n pesos factoriales.
u¯2 es la media aritmética de las unicidades de las n variables.
Si se utiliza la matriz de correlaciones, se obtiene una estimación del alfa de Cronbach y
la versión ordinal del coeficiente alfa se calcuları́a aplicando esta ecuación sobre la matriz
de correlaciones policóricas.
Como criterio general, George y Mallery (2003) sugieren para evaluar los coeficientes
de alpha de Cronbach esta escala para alpha ordinal a modo de referencia.
Tabla 11: Interpretación Coeficiente Alpha

Magnitud
Coeficiente alfa >.9 es excelente
Coeficiente alfa >.8 es bueno
Coeficiente alfa >.7 es aceptable
Coeficiente alfa >.6 es cuestionable
Coeficiente alfa >.5 es pobre
Coeficiente alfa<.5 es inaceptable
La figura 3 se observa la magnitud de la consistencia interna de los componentes,

dependiendo del valor del coeficiente alpha ordinal. El resultados obtenido del programa
R muestra el alpha ordinal cuyo valor es de 0,72 y de acuerda a la tabla 11 es aceptable.
Figura 3: Coeficiente alpha en R
5.5. Análisis factorial Confirmatorio
El análisis factorial confirmatorio( AFC), trata de determinar si el número de factores

obtenidos y sus cargas se corresponden con los que cabrı́a esperar a la luz de una teorı́a
previa acerca de los datos. La hipótesis a priori es que existen unos determinados factores
preestablecidos y que cada uno de ellos está asociado con un determinado subconjunto
de las variables. El análisis factorial confirmatorio entonces arroja un nivel de confianza
para poder aceptar o rechazar dicha hipótesis.
LOS ESTADÍSTICOS DE BONDAD DE AJUSTE
Una vez que se ha estimado un modelo es necesario evaluar su calidad. Para ello se
utilizan los estadı́sticos de bondad de ajuste. Existen tres tipos de estadı́sticos de bondad
de ajuste: los de ajuste absoluto (valoran los residuos), los de ajuste relativo (comparan
el ajuste respecto a otro modelo de peor ajuste) y los de ajuste parsimonioso (valoran
el ajuste respecto al número de parámetros utilizado). Ninguno de ellos aporta toda la
información necesaria para valorar el modelo y habitualmente se utiliza un conjunto de
ellos del que se informa simultáneamente (ver Schreiber y otros, 2006)
Bondad de ajuste absoluto: Determina el grado en que el modelo general predice

la matriz de correlaciones y para SEM, el estadı́stico-radio de verosimilitud Chi-
cuadrado es la única medida estadı́stica. El modelo tiene un ajuste aceptable si los
valores de Chi-cuadrado/gl son de 2 a 3 y con lı́mites de hasta 5.
El Índice de bondad de ajuste (GFI) evalúa si el modelo debe ser ajustado. Entre
más se acerque a cero indica un mal ajuste.
El Error de Aproximación Cuadrático Medio (RMSEA), representa el ajuste antici-

pado con el valor total de la población y ya no con el de la muestra. Si RMSEA es
menor o igual a 0,05 indica un error de aproximación del modelo con la realidad.
El ı́ndice de error de cuadrático medio (RMR) mide las varianzas y covarianzas de la

muestra y si éstas difieren de las estimaciones obtenidas. Si este indicador se acerca
a 0, puede considerarse un ajuste casi perfecto.
El ı́ndice de validación cruzada esperada (ECVI) representa la correlación entre las

variables del modelo. Entre más se acerque a 1 su correlación es mayor.
Medidas de ajuste incremental del modelo: estas medidas comparan el modelo pro-
puesto con algún otro existente, llamado generalmente modelo nulo. Los ı́ndices
para evaluarlo se exponen a continuación. El Índice ajustado de bondad de ajuste
(AGFI) es una extensión del GFI, el cual ajusta los grados de libertad entre los dos
modelos. Los valores cercanos a 0,90 o superiores son los que muestran un mejor
ajuste del modelo.
El Índice de bondad de ajuste de parsimonia (PGFI) es un ı́ndice sugerido por

Mulaik y colaboradores, que constituye una modificación del GFI y considera los
grados de libertad disponibles para probar el modelo. Las magnitudes consideradas
aceptables se encuentran en el rango de 0,5 a 0,7.
El ı́ndice normado de ajuste (NFI), compara el modelo propuesto y el modelo nulo

considerando un valor aceptable si es mayor a 0,90. Medidas de ajuste de parsimo-
nia: estas relacionan la calidad de ajuste del modelo con el número de coeficientes
estimados necesarios para conseguir el nivel de ajuste. Los valores se congregan en
tres grupos, bajos, adecuados o elevados dependiendo de su valor, ya que este oscila
entre 0 y 1.
El Índice de ajuste normado de parsimonia (PNFI) relaciona los constructos con la

teorı́a que los sustenta. Entre más cerca esté de 1.0 es mayor su relación.
Los valores y resultados tras en análisis fueron obtenidos mediante el programa AMOS
SPSS Y son presentados en la tabla 12 y la figura 4.
Tabla 12: estadı́sticos de bondad de ajuste

Aceptabilidad
Indice de Descripción Valores
Obtenido
Xˆ2 0,00
Xˆ2/gl
GFI 0,925 Aceptable
AGFI 0,884 Bueno
RMSEA 0,070 Bueno
NFI 0,975 Aceptable
PNFI 0,709 Bueno
PGFI 0,598 Aceptable
RMR 0,047 Aceptable
Figura 4: Diagrama Ecuación estructural
Proyecto de Tı́tulo II 6 ANÁLISIS DESCRIPTIVO
6. Análisis descriptivo
En este capitulo detallaremos los resultados de formar descriptiva que se recopilaron
tras la aplicación de la encuesta.
¿ Quiénes respondieron la encuesta?
La población objetivo de estudio se refiere a todos los estudiantes regulares de la

Universidad del Bı́o-Bı́o cohortes 2017, sedes Concepción.
Figura 5: Muestra seleccionada por Facultad
Como se aprecia en la figura 5, las facultades con mayor cantidad de alumnos que
fueron encuestados corresponde a que tienen el mayor numero de matriculados.
Figura 6: Edad de los estudiantes encuestados
De los estudiantes que participaron del estudio, se observa que la edades con mayor
frecuencia se encuentran entre los 18 a 28 años, con una media de 22,15 años.
6.1. Análisis y Resultados
En este capı́tulo se presentan análisis y resultados obtenidas a partir de la aplicación

de la encuesta. Como se mencionó anteriormente, el análisis es principalmente descriptivo,
incluyendo análisis bivariados (Prueba de Chi-cuadrado) con el propósito de detectar la
existencia de asociación entre variables
6.2. Análisis general del hábito de fumar
Figura 7: Porcentaje de respuesta a la pregunta ¿Es o ha sido fumador?
La figura 7 nos muestra el porcentaje de los estudiantes que respondieron a la pregunta

¿ Es o ha sido fumador?. Siendo la respuesta “Si” con un mayor porcentaje correspondiente
a la 70,7 % de la población.
Figura 8: Histograma de la respuesta ¿A que edad aproximada comenzó a fumar?
Del histograma representado en la figura 8, nos da a conocer el rango de edad con

mayor frecuencia en que los estudiantes comienzan a fumar es de los 14 a 18 años. Con
la edad promedio aproximada de 16,81 años. Lo que implica que los estudiantes entran a
la Universidad con el hábito de fumar.
Tabla 13: Distrubucion de la pregunta ¿Con que frecuencia fumaba o fuma ?

Porcentaje Porcentaje
Respuesta Frecuencia Porcentaje
válido acumulado
Fuma
103 28,2 39,9 39,9
diariamente
Fuma
106 29 41,1 81
ocasionalmente
No fuma,
9 2,5 3,5 84,5
pero fumaba diariamente
No fuma,
40 11 15,5 100,0
pero fumaba ocasionalmente
Total 258 70,7 100,0
Fuente : Elaboración propia.
La tabla 13 observamos que los estudiantes que han respondido que son o han sido
fumadores corresponde al 70,7 % de la muestra, siendo el 39,9 % de los estudiantes fuman
diariamente y un 41,1 % lo hacen de forma ocasional, ademas el 81 % corresponde a estu-
diantes que son fumadores actualmente.
Por otra parte el 3,5 % dice haber fumado diariamente y un 15,5 % fumaba ocasionalmente
lo cual el 19 % fue fumador y dice haber dejado el hábito de fumar.
Tabla 14: Distribución de la pregunta ¿Que fuma o fumaba habitualmente?

Respuestas N◦ Porcentaje
Cigarrillo 86 20,5 %
Tabaco natural 31 7,4 %
Ambos 96 22,9 %
Marihuana 184 43,9 %
Otros 22 5,3 %
Total 419 100,0 %
Los estudiantes que fuman o han fumado alguna vez en este ı́tem podı́an seleccio-
nar más de una alternativa, dentro de las respuestas observamos que el 43,9 % de los
estudiantes fuma o ha fumado marihuana, siendo un porcentaje mayor al cigarrillo.
Para la interpretación de la pregunta ¿Es o ha sido fumador? según Genero (tablas

15 y 16), se han excluido la facultad de Ciencias y la Escuela de Trabajo Social dado que
no cumplen con las condiciones necesarias, debido a que tienen un numero pequeño de
alumnos matriculados la cual no es representativa para este estudio.
Tabla 15: Distribución de fumadoras según facultad

Mujer
¿Es o ha sido fumador?
Facultad Si No Total Porcentaje Si Porcentaje No
arquitectura 20 7 27 74 % 26 %
Ciencias
17 9 26 65 % 35 %
Empresariales
Ingenieria 20 15 35 57 % 43 %
Total 67 33 100
De la tabla 15 podemos observar que de la Facultad de Arquitectura, Construcción y

Diseño, Facultadde Ciencias Empresariales e Facultad de Ingenierı́a, más del 55 % de las
mujeres son fumadoras.
Tabla 16: Distribución de fumadores según Facultad

Hombre
¿Es o ha sido fumador ?
Facultad Si No total Porcentaje Si Porcenaje No
arquitectura 35 3 38 92 % 8%
Ciencias
47 7 54 87 % 13 %
Empresariales
Ingenieria 99 63 162 61 % 39 %
Total 191 74 265
De la tabla 16 muestra que de un total de 265 estudiantes encuestados en la Facultad

de Ingenierı́a aproximadamente el 60 % son fumadores, en la Facultad de Arquitectura,
Construcción y Diseño, y la Facultad Ciencias Empresariales aproximadamente el 90 %
son fumadores.
El numero de estudiantes seleccionados por facultad según Sexo, estan representado en la
figura 9.
Figura 9: Estudiantes encuestado por Facultad segun Sexo
Tabla 17: : Distribución de los que piensan que fumar perjudica o no la salud del fumador
válido acumulado
Si 252 69,0 97,7 97,7
No 6 1,6 2,3 100,0
Total 258 70,7 100,0
Fuente : Elaboración propia
Tabla 17 muestra que de la muestra de estudiantes que son o han sido fumadores,
aproximadamente el 98 % reconoce que fumar perjudica la salud del fumador.
Tabla 18: ¿Siente que fumar ha perjudicado su salud?

válido acumulado
Si 157 43,0 60,9 60,9
No 101 27,7 39,1 100,0
Total 258 70,7 100,0
Tabla 18 muestra que de un total de 258 estudiantes aproximadamente el 61 % siente

que fumar le ha perjudicado su salud.
De ambas tablas podemos concluir que los estudiantes conociendo el daño producido por
fumar y reconociendo que ha afectado su salud aun continúan con este habito.
Tabla 19: Distribución de la pregunta ¿De que manera ha perjudicado su salud?

Respuestas No Porcentaje
Cansancio 106 45,1 %
Tos 53 22,6 %
Transtorno 10 4,3 %
Problemas de garganta 36 15,3 %
Otros 30 12,7 %
Total 235 100,0 %
Los estudiantes que sientes que fumar le ha perjudicado su salud podı́an seleccionar
más de una alternativa, siendo 235 respuestas, lo cual observamos que el 67,7 % siente que
le ha perjudicado en cansancio y tos.
6.3. Análisis de estudiantes que han dejado el hábito de fumar
Figura 10: Histograma de la respuesta ¿A que edad aproximada dejo de fumar?
La figura 10 muestra la edad aproximada de los estudiantes que dejaron de fumar
Tabla 20: Distribución de la pregunta ¿Por qué dejó de fumar?

Respuesta No Porcentaje
Aumento mi preocupación
19 26,8 %
por el peligro de fumar
Realizar alguna
24 33,8 %
actividad fı́sica
Noté molestias o sı́ntomas
9 12,7 %
relacionados por fumar
Consejo médico 2 2,8 %
Presion familiar
4 5,6 %
y\o amigos
Otros 13 18,3 %
Total 71 100,0 %
Los estudiantes que dejaron de fumar podı́an seleccionar más de una alternativa, te-
niendo 71 respuestas, lo cual el mayor porcentaje fue 33,8 % que hizo para realizar alguna
actividad fı́sica y el 26,8 % de los estudiantes por qué aumentó la preocupación por el
peligro de fumar.
6.4. Análisis de estudiantes que son fumadores
Tabla 21: Distribución ¿Cuántas veces fuma al dı́a?

Porcentaje
acumulado
5 ó menos 183 87,6 87,6
De 6 a 10 21 10 97,6
De 11 a 20 4 1,9 99,5
21 o más 1 ,5 100,0
Total 209 100,0
De la tabla 21 podemos observar que de los estudiantes que son fumadores, el 97,6 %
fuma 10 o menos veces al dı́a, sin embargo se debe considerar que 2,4 % fuma más de 10
veces al dı́a, siendo una cifra preocupante.
Tabla 22: ¿Fuma cuando está enfermo?

Porcentaje
Respuestas Frecuencia Porcentaje
acumulado
si 87 41,6 41,6
no 122 58,4 100,0
Total 209 100,0
De la tabla 22 podemos observar que el 41,6 % fuma cuando está enfermo, siendo el
habito de fumar una fuerte adicción.
Tabla 23: ¿Ha intentado dejar de fumar alguna vez?

Respuestas Frecuencia Porcentaje Porcentaje acumulado
si 125 59,8 59,8
no 84 40,2 100,0
Total 209 100,0
De la tabla 23 podemos observar que de los estudiantes que fuman actualmente, apro-
ximadamente el 60 % ha intentado dejar de fumar, siendo un porcentaje alto para tener
en consideración y ası́ poder intervenir y ayudar a los estudiantes fumadores.
Tabla 24: Distribución de la pregunta ¿Por qué cree que intento dejar de fumar ?
Respuestas No Porcentaje
Aumento mi preocuapcion por el peligro de fumar 36 17 %
Noté molestias o sı́ntomas relacionados por fumar 30 14,2 %
Realizar alguna actividad fisica 69 32,5 %
Presion familiar y\o amigos 9 4,2 %
Propia voluntad 62 29,2 %

Otros 6 2,8 %
Total 212 100,0 %
Tabla 25: ¿Por qué cree que volvió a fumar otra vez?
Dificultad para controlar
22 10,7 %
los deseos de fumar
Estrés academico 71 34,6 %
Situaciones sociales 75 36,6 %
Situaciones estresantes 22 10,7 %

Otros 15 7,3 %
Total 205 100,0 %
De la tabla 24 y tabla 25, de los estudiantes que intentaron dejar de fumar podı́an selec-
cionar más de una alternativa, siendo el mayor porcentaje para realizar alguna actividad
fı́sica y por qué aumentó la preocupación por el peligro a enfermedades y volvió al hábito
de fumar por situaciones sociales (fiestas, reuniones, estar rodeado de otros fumadores) y
por estrés académico.
Tabla 26: ¿Cree usted que necesita ayuda para dejar de fumar?
Si 28 7,7
No 181 86,6
Total 209 100,0
De la tabla 26 muestra que de un total de 209 estudiantes que fuman actualmente, un

86,6 % dice no necesitar ayuda para dejar de fumar, sin embargo como pudimos observar
en la tabla 10 aproximadamente el 60 % de estos mismos estudiantes que han intentado
dejar de fumar no lo consiguió, por lo cual aumenta considerablemente el porcentaje de
estudiantes que necesitan ayuda para dejar el hábito de fumar.
6.5. Análisis de estudiantes no fumadores
Tabla 27: ¿Por que nunca ha fumado?

Nunca me ha llamado la atención 73 51,8 %
Por problemas de salud 17 12,1 %
Conocimiento del daño que provoca 41 29,1 %
Otros 10 7,1 %
Total 141 100,0 %
De la tabla 27,los estudiantes que nunca han fumado podı́an seleccionar más de una
alternativa, obteniendo 141 respuestas, los cual aproximadamente el 81 % nunca le ha
llamado la atención y por el conocimiento del daño que provoca.
Tabla 28: ¿Le molesta compartir con personas fumadoras?

Porcentaje
acumulado
si 24 22,4 22,4
no 83 77,6 100,0
Total 107 100,0
De la tabla 28 muestra que de de un total de 107 estudiantes que no son fumadores,

el 70,1 % asiste a lugares que permiten fumar.
Tabla 29: ¿Asiste a lugares que permitan fumar?

Porcentaje
acumulado
si 75 70,1 70,1
no 32 29,9 100,0
Total 107 100,0
De la tabla 29, de un total de 107 estudiantes que no son fumadores, el 70,1 % dice
asistir a lugares que permitan fumar, y un 29,9 % dice no asistir a lugares que permitan
fumar
Tabla 30: ¿Conoce de lugares aptos para fumar dentro de la Universidad?

Porcentaje
acumulado
si 44 41,1 41,1
no 63 58,9 100,0
Total 107 100,0
De la tabla 30 debemos aclarar que en esta pregunta, la Universidad no tiene zonas ni

lugares aptos para fumadores ya que es un recinto público, no obstante aproximadamente
el 41 % de estudiantes que no fuman no tienen conocimiento esta normativa. ( Ley 20.660
En Materia de Ambientes Libres De Humo de Tabaco).
6.6. Análisis bivariados
Las tablas de contingencia se utilizan para examinar la relación entre dos variables
categóricas, o bien explorar la distribución que posee una variable categórica entre dife-
rentes muestras.
Hay diferentes cuestiones que surgen en que la distribución de una de las variables es
similar sea cual sea el nivel que examinemos de la otra. E esto se traduce en una tabla
de contingencia en que las frecuencias de las filas (y las columnas) son aproximadamente
proporcionales. Posiblemente sea mas cómodo reconocerlo usando en la tabla de contin-
gencia los porcentajes por filas (o columnas) y observando si estos son similares.
la prueba de independencia chi-cuadrado contrasta la hipótesis de que las variables son
independientes, frente a la hipótesis alternativa de que una variable se distribuye de modo
diferente para diversos niveles de la otra.
Debido a que no todas las variables se pueden relacionar por el hecho de ser de repuesta
múltiple solo trabajaremos con las de tipo dicotomica y politómicas según corresponda.
Para efectos prácticos en los análisis utilizaremos la siguiente hipótesis :
H0 = La variable es Independiente. Vs H1 = La variable es Dependiente.
Dado los resultados anteriores decidimos estudiar si existe una asociación en las va-
riables ¿ Cree usted que necesita ayuda para dejar de fumar? y ¿ Cuántas veces fuma al
dı́a? al considerar los datos de ambos estudios, se realiza el test Chi-cuadrado.
¿ Cree usted que necesita

ayuda para dejar de fumar?
si no total
Recuento 20 163 183
5 Ó MENOS
Frecuencia esperada 23,6 159,4 183,0
Recuento 5 16 21
DE 6 A 10
¿Cuántas veces Frecuencia esperada 2,7 18,3 21,0
fuma al dı́a? Recuento 2 2 4
DE 11 A 20
Frecuencia esperada ,5 3,5 4,0
Recuento 0 1 1
21 O MÁS
Frecuencia esperada ,1 ,9 1,0
Recuento 27 182 209
Total
Tabla 31: Tabla de contingencia ¿Cuántas veces fuma al dı́a? versus ¿Cree usted que
necesita ayuda para dejar de fumar?
Pruebas de chi-cuadrado
Sig. asintótica
Valor gl
(bilateral)
Chi-cuadrado de Pearson 7,896 3 ,048
Razón de verosimilitudes 5,984 3 ,112
Asociación lineal por lineal 5,097 1 ,024
N de casos válidos 209
a 5 casillas (62,5 %) tienen una frecuencia esperada inferior a 5.
La frecuencia mı́nima esperada es ,13.
El estadı́stico de contraste (observado) es 7,896, el cual, en la distribución χ2 tiene 3

grados de libertad (gl = 3), tiene asociada una probabilidad (Significación asintótica) de
,048.
Puesto que esta probabilidad (denominada nivel crı́tico o nivel de significación obser-
vada) es pequeña (pero muy cercana a 0,05) , se decide no rechazar la hipótesis nula,
concluyendo que no existe una relación de dependencia entre la cantidad de veces que
fuma al dı́a y cree necesitar ayuda para dejar de fumar .
Ademas señalar que la razón de verosimilitudes (RV) es 5,984 , tiene asociada una
probabilidad (Sig. asintótica) de ,112, que como es mayor que 0,05, conduce al no rechazo
la hipótesis nula, concluyendo que no existe dependencia entre las variables analizadas.
¿Es o ha sido usted fumador/a? con sexo

sexo
Mujer Hombre Total
Recuento 67 191 258
Si
¿ Es o ha sido Frecuencia Esperada 70,7 187,3 258,0
usted fumador/a? Recuento 33 74 107
No
Frecuencia Esperada 29,3 77,7 107,0
Recuento 100,0 265 365
Total
Frecuencia esperada 100 265,0 365,0
Tabla 32: Tabla de contingencia ¿Es o ha sido usted fumador/a? con sexo
Sig. asintótica
Valor gl
(bilateral)
Chi-cuadrado de Pearson ,903 1 ,342
Razón de verosimilitudes ,890 1 ,345
Asociación lineal por lineal ,900 1 ,343
La frecuencia mı́nima esperada es 29,32.
El estadı́stico de contraste Chi-cuadrado tiene un valor de ,903 el cual tiene grados

de libertad (gl = 1), tiene asociada una probabilidad de ,342. Lo cual hay suficiente
evidencia estadı́stica para la aceptación la hipótesis de independencia. De igual manera
los resultados de la razón de verosimilitud (valor =0,890 , valor-p = 0,345) afirmando que
existe independencia entre si es fumador y sexo.
Tabla 33: Tabla de contingencia ¿Es o ha sido usted fumador/a? según Facultad
¿Es o ha sido usted fumador/a?
Facultades si no total
Recuento 55 10 65
Arquitectura,Construccion y Diseño
Recuento 10 2 12
Ciencias
Recuento 64 16 80
Ciencias Empresariales
Recuento 119 78 197
Ingenieria
Recuento 10 1 11
Trabajo Social
Recuento 258 107 365
Total
Sig. asintótica
Valor gl
(bilateral)
Chi-cuadrado de Pearson 22,580 4 ,000

a. 2 casillas (20,0 %) tienen una frecuencia esperada inferior a 5.
La frecuencia mı́nima esperada es 3,22.
A partir de los resultados que se presentan en la tabla 28 , hay suficiente evidencia

estadı́stica para rechazar la hipótesis de independencia(chi-cuadrado =22,57976 , valor-
p < 0,05), y a demas se corrobora con la razon de verosimilitud (valor=23,716, valor-p
=0,000) pudiendo concluir que hay dependencia entre Facultad y es o ha sido fumador de
los estudiantes de la Universidad del Bı́o-Bı́o, sede concepción.
Tabla 34: Tabla de contingencia ¿Que fuma a fumaba habitualmente? según Sexo
¿Que fuma a fumaba habitualmente?
Preferencia
TABACO
Sexo CIGARRILLO AMBOS MARIHUANA OTROS Total
NATURAL
Recuento 22 4 35 40 6 67
MUJER
% del total 8,6 % 1,6 % 13,6 % 15,6 % 2,3 % 26,1 %
Recuento 63 26 61 145 16 190
HOMBRE
% del total 24,5 % 10,1 % 23,7 % 56,4 % 6,2 % 73,9 %
Recuento 85 30 96 185 22 257
Total
% del total 33,1 % 11,7 % 37,4 % 72,0 % 8,6 % 100,0 %
De la tabla 34, muestra la relación de Sexo según la pregunta ¿Que fuma o fumaba
habitualmente?, los estudiantes podı́an marcar mas de una alternativa en dicho ı́tem, el
72 % dice fumar o haber fumado marihuana, siendo 56,4 % corresponde a los hombres,
no menor es el porcentaje entre cigarrillo y tabaco natural(AMBOS). En relación a las
mujeres, el 15,6 % dice fumar o haber fumado marihuana.
Tabla 35: Tabla de contingencia De las personas que contestaron ¿Cree usted que necesita
ayuda para dejar de fumar? según si ha sido o es fumador
¿Cree usted que necesita
ayuda para dejar de fumar? Total
Si No
Recuento 22 79 101
Fuma diariamente Frecuencia esperada 13,0 88,0 101,0
% del total 10,5 % 37,8 % 48,3 %
De las personas
Recuento 5 101 106
que contestaron
Fuma ocasionalmente Frecuencia esperada 13,7 92,3 106,0
que si ha sido
% del total 2,4 % 48,3 % 50,7 %
o es fumador
Recuento 0 2 2
No fuma, pero
Frecuencia esperada ,3 1,7 2,0
fumaba ocasionalmente
% del total 0,0 % 1,0 % 1,0 %
Recuento 27 182 209
Total Frecuencia esperada 27,0 182,0 209,0
% del total 12,9 % 87,1 % 100,0 %
Sig. asintótica
Valor gl
(bilateral)
Chi-cuadrado de Pearson 13,688a 2 ,001
Asociación lineal por lineal 12,397 1 ,000
La frecuencia mı́nima esperada es ,26.
De los resultados obtenidos a partir de la tabla 35 y test chi-cuadrado podemos concluir

que existe una relación de dependencia en la cantidad de veces que fuma frecuentemente
y si cree que necesita ayuda para dejar de fumar. dado que el valor del estadı́stico de
contraste (observado)es 13,688 ,gl = 2, tiene asociada una probabilidad (Significación
asintótica) de 0,001 ademas señalar que el valor de la razón de verosimilitudes (RV) es
14,686, tiene asociada una probabilidad (Sig. asintótica) de 0,001 , que como es menor
que 0,05, indica que hay evidencia de asociación entre el grado de aceptación entre las
variables mencionadas.
Proyecto de Tı́tulo II 7 CONCLUSIÓN
7. Conclusión
En primer lugar los estudiantes de la universidad del Bı́o-Bı́o, sede Concepción, ingre-
san a la institución con el hábito de fumar, siendo un 81 % de ellos fuman actualmente,
lo cual observamos que el 43,9 de los estudiantes fuma o ha fumado marihuana, siendo
un porcentaje mayor al cigarrillo. De los estudiantes que han intentado dejar de fumar
el mayor porcentaje lo hizo para realizar alguna actividad fı́sica y por qué aumentó la
preocupación por el peligro a enfermedades y volvió al hábito de fumar por situaciones
sociales (fiestas, reuniones, estar rodeado de otros fumadores) En conclusión podemos de-
cir que para combatir el hábito de fumar en los estudiantes de la universidad del Bı́o-Bı́o,
sede Concepción es con más actividades fisicas y con mayor publicidad sobre el daño que
provoca fumar .
Proyecto de Tı́tulo II 8 REFERENCIAS BIBLIOGRÁFICAS
8. Referencias Bibliográficas
1.Babor T, Miller P, Edwards G. Vested interests, addiction research and public policy.
Addiction 2010;105(1):4-5. 1. Bolet, M. Socarrás, M. (2003). El tabaquismo, consecuen-
cias y prevención. Revista Cubana de Investigaciones Biomédicas vol.22. no.1.
2. Camacho, J. 2008. Asociación entre variables: correlación no paramétrica. Acta médica
costarricense. vol. 50. n◦ 3.
3. Campbell, D. Fiske, D. 1959. Convergent and doscriminant validation by the multitrait-
multimethod matrix. Psychological Bulletin. vol. 56. n◦ 2.
4. Canavos, G. 1988. Probabilidad y estadı́stica: aplicaciones y métodos.
5. Cerda, J. Villarroel, L. 2007. Interpretación del test Chi-Cuadrado en investigación
pediátrica.
6. Escobar, J. Cuervo, A. 2008. Validez de contenido y juicio de expertos: Una aproxima-
ción a su utilización. Avances en medición vol. 7. n◦ 2.
8. Hair, J. Anderson, R. Tatham, R. Black, W. 1999. Análisis Multivariante. Quinta Edi-
ción. Prentice Hall.
9. Organización Mundial de la Salud (OMS). 2015. Tabaquismo. [En lı́nea] Disponible en
http://www.who.int/mediacentre/factsheets/fs349/es/ [consulta: 12 de Octubre 2017].
10. Pérez-Gil, J. Chacón, S. Moreno, R. 2000. Validez de constructo: el uso de análisis
factorial exploratorio-confirmatorio para obtener evidencias de validez. Psicothema vol.11.
n◦ 2. pp 442-446.
11. SENDA-MINSAL, 2016. El consumo de Marihuana en Chile: Situación Epidemiológi-
ca. Servicio Nacional para la Prevención y Rehabilitación del Consumo de Drogas y Al-
cohol(SENDA). Décimo segundo estudio nacional de drogas. En población general de
chile, 2016.
12.Lawshe C. H. (1975). A quantitative approach to content validity. Personnel Psycho-
logy. 28(4), 563-575.
13. Plackett, R.L. (1983). ((Karl Pearson and the Chi-Squared Test)). International Sta-
tistical Review (International Statistical Institute (ISI)) 51 (1): 59-72.
14.Hogan, T. (2004). Pruebas Psicológicas: Una Introducción Práctica. México: Manual
Proyecto de Tı́tulo II 8 REFERENCIAS BIBLIOGRÁFICAS
Moderno.
15.Cohen, R., y Swerdlik, M. (2001). Pruebas y evaluación psicológicas: Introducción a
las pruebas y a la medición (4ta ed.). México: McGraw-Hill.
16.Alarcón, R. (1998). Nuevos modelos en la medición psicológica. Lima: Universidad de
San Martı́n de Porres, Facultad de Ciencias de la Comunicación, Turismo y Psicologı́a.
17.Prieto, G. y Delgado, A. (2010). Fiabilidad y validez. Papeles del psicólogo, 31(1),
67-74. 16.Schreider, J.B., Stage, F.K., King, J., Nora, A., Barlow, E.A. (2006). Repor-
ting structural equation modeling and confirmatory factor analysis results: a review. The
Journal of Education Research, 99 (6), 323-337.
Proyecto de Tı́tulo II 9 ANEXO
9. ANEXO
Sintaxis Análisis factorial exploratorio SPSS.
/UNSELECTED DELETE.
EXECUTE.
FACTOR
/VARIABLES p5 p6 p8 p9 p10 p11 p14 p15 p16 p17 p18 p19 p20 p21 p22 p23 p24
/MISSING LISTWISE
/ANALYSIS p5 p6 p8 p9 p10 p11 p14 p15 p16 p17 p18 p19 p20 p21 p22 p23 p24
/PRINT INITIAL KMO EXTRACTION ROTATION FSCORE
/FORMAT BLANK(.5)
/PLOT ROTATION
/CRITERIA MINEIGEN(1) ITERATE(25)
/EXTRACTION PC
/CRITERIA ITERATE(25)
/ROTATION VARIMAX
/METHOD=CORRELATION.
Proyecto de Tı́tulo II 9 ANEXO
Sintaxis Calculo de alpha ordinal en R-project
install.packages(”psych”)
library(psych)
library(readxl)
libro <- read excel(”libroparar.xlsx”, sheet = ”Hoja2”)
attach(libro)
items<-
data.frame(p5,p6,p8,p9,p10,p11,p13,p14,p15,p16,p17,p18,p19,p20,p21,p22,p23,p24)
poly cor4<-polychoric(items)
al<-alpha(poly cor4rho)
ordinal¡-summary(al)std.alpha
alpha.crombach<-alpha(items)
ENCUESTA DE INCIDENCIA SOBRE EL HÁBITO DE FUMAR
Edad:
Sexo mujer _______ hombre_______
Carrera
1) ¿Es o ha sido usted fumador/a? Sí No

ATENCION:
En el caso de ser NO FUMADOR pase a la pregunta 16. Si es FUMADOR o HA
SIDO FUMADOR continúe contestando.
Fuma diariamente.
Fuma ocasionalmente
No fuma, pero fumaba diariamente.
No fuma, pero fumaba ocasionalmente.
2) ¿A qué edad aproximada comenzó a fumar? ……...... años.
3) ¿Qué fuma o fumaba habitualmente?
Cigarrillo
Tabaco natural.
Ambos
Marihuana
Otros (pipa, puro, electrónico……….)
4) ¿Piensa que fumar perjudica la salud del fumador?

Sí No
5) ¿Siente que fumar ha perjudicado su salud?
Sí No
6) ¿De qué manera le ha perjudicado su salud?
Cansancio
Tos
Trastornos
Problemas de garganta
Otros
1
SI HA DEJADO DE FUMAR,
por favor, continúe. SI SIGUE FUMANDO pase a la pregunta 9.
7) ¿A qué edad dejó de fumar? A los .......……….......años
8) ¿Por qué dejó de fumar? (Señale tantas opciones como crea necesarias)
Aumentó mi preocupación por el peligro a enfermedades respiratorias.

Realizar alguna actividad física.
Noté molestias o síntomas relacionadas por fumar.
Consejo Médico.
Presiones de familiares o amigos.
Otros (indique cuáles).
.....…..................................................
SI FUMA DIARIAMENTE U OCASIONALMENTE

conteste a las siguientes preguntas.
9) ¿Cuántas veces fuma al día?
5 ó menos .
De 6 a 10.
De 11 a 20.
21 o más.
10) ¿En qué momento del día fuma?
Antes de la primera comida.

Después de la primera comida.
11) ¿Fuma cuando está enfermo? Sí No
12) ¿Ha intentado dejar de fumar alguna vez? Sí No

Si es No, pase a la pregunta 15
13) ¿Por qué cree que intentó dejar de fumar? (elija todas las que considere oportunas)
Aumentó mi preocupación por el peligro a enfermedades.

Noté molestias o síntomas relacionados con el sistema respiratorio.
Para realizar una actividad física.
Presiones de familiares o amigos, compañeros, Consejo Médico
Propia voluntad
Otros ...............................................................................(indique cuáles)
14) ¿Por qué cree que volvió a fumar otra vez? (elija todas las que considere oportunas)
Dificultad para controlar los deseos de fumar

Estrés académico.
Situaciones sociales (fiestas, reuniones, estar rodeado de otros fumadores)
Situaciones estresantes (accidentes, muerte familiar, separación, ...)
Otro: especifique cuáles....................................................................................
2
15) ¿Cree usted que necesita ayuda para dejar de fumar?
Sí No
SI NO ES FUMADOR
16) ¿Por qué nunca ha fumado?
Nunca me ha llamado la atención.

Por problemas de salud.
Conocimiento del daño que provoca.
Otros………………………
17) ¿Le molesta compartir con personas fumadoras?
Sí No
18) ¿Asiste a lugares que permitan fumar?
Sí No
19) ¿Conoce de lugares aptos para fumar dentro de la universidad?
Sí No

Proyecto de Título II Castro Cruces

Încărcat de

Informații document

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Proyecto de Título II Castro Cruces

Încărcat de

Drepturi de autor:

Formate disponibile

Facultad de ciencias

Carrera Ingenierı́a Estadı́stica

Asignatura : Proyecto de Tı́tulo II (220068)

Tı́tulo : Prevalencia en el hábito de fumar

UNIVERSIDAD DEL BÍO-BÍO

Prevalencia en el hábito de fumar de los estudiantes de la

Universidad del Bı́o-Bı́o

28. ¿Le molesta compartir con personas fumadoras? . . . . . . . . . . . . . . . 49

en el 2016, cifra que se traduce en un incremento de la prevalencia de uso de esta sustancia

2.1. Objetivo General

Determinar la prevalencia en el hábito de fumar de los estudiantes de pregrado de la

2.2. Objetivos Especı́ficos

Aplicar la encuesta a los estudiantes muestreados de la Universidad del Bı́o-Bı́o,

Generar la base de datos.

Generar resultados descriptivos.

Realizar informe correspondiente al estudio realizado.

En una primera instancia, se investigó el número total de alumnos regulares hasta el

La información se obtuvo a partir de una encuesta, la cual fue realizada de manera

Tabla 1: Carreras que participaron en el muestreo

La tabla 1 se muestran las facultades, carreras y escuela que participaron en este

Se puede decir, que la validez tiene tres grandes componentes:

Validez de criterio o criterial

5.1. Validez de contenido

La validación de contenido se refiere al grado en que el test presenta una muestra

Cálculo de descriptivos: Consiste en calcular la media y la desviación tı́pica de

de validez de contenido) que refleje, en base a la evaluación de los expertos (método

• Ser capaz de justificar la decisión sobre la puntuación corte.

Índice de validez de contenido (CVR): Lawshe(1975) propuso un modelo que

Para establecer el consenso de los expertos en la categorı́a esencial, Lawshe propone

Panelistas CVR CVR’

Tabla 2: valores de CVR Mı́nimo

La expresión para el CVI es:

Tristan-López muestran que el valor mı́nimo aceptable para CV R0 es 0,5823 en el

Tabla 3: Resultados de validación de Lawshe y Lawshe Modificado

Tabla 4: Datos de Aceptación

Tabla 5: Item con valores Aceptados

5.2. Validez de Constructo

Confiabilidad del Instrumento

El punto de comienzo en el análisis factorial, como con otras técnicas estadı́sticas, es el

5.3. Análisis factorial Exploratorio

o factores comunes que explican las respuestas a los ı́tems de un test.

Tabla 6: Valores del indice KMO

El test de esfericidad de Barlett, que permite contrastar la hipótesis de que la matriz

Tabla 7: KMO y Prueba de Bartlett

La comunalidad asociada a la variable j-ésima es la proporción de variabilidad de dicha

Tabla 9: Varianza total explicada Autovalores (valores propios)

EL gráfico de la varianza asociada a cada factor se utiliza para determinar cuántos

Figura 1: Gráfico de sedimentación

En la matriz de componentes rotados, mostrando los valores situados por encima de

Como se observa en la tabla 10 tenemos dos componentes principales, renombrar las

El gráfico de saturaciones (gráfico de componentes principales) visualiza la represen-

Figura 2: Gráfico de componentes rotados

De la figura 2 se extrae la agrupación de los items y como también lo indica la matriz

5.4. Consistencia interna (Alpha Ordinal)

Coeficiente alpha Considerando sólo la matriz de correlaciones de Pearson y el

Tabla 11: Interpretación Coeficiente Alpha

La figura 3 se observa la magnitud de la consistencia interna de los componentes,

Figura 3: Coeficiente alpha en R

5.5. Análisis factorial Confirmatorio

El análisis factorial confirmatorio( AFC), trata de determinar si el número de factores

Bondad de ajuste absoluto: Determina el grado en que el modelo general predice

El Error de Aproximación Cuadrático Medio (RMSEA), representa el ajuste antici-

El ı́ndice de error de cuadrático medio (RMR) mide las varianzas y covarianzas de la

El ı́ndice de validación cruzada esperada (ECVI) representa la correlación entre las