Documente Academic
Documente Profesional
Documente Cultură
• Kaiser Criterion (Guttman, 1954): esta regla sugiere que se deben retener
todos los factores que tengan un eigenvalue de 1.0 o mayor; con el
razonamiento de que un factor no debe explicar menos que la varianza
equivalente que hubiera explicado una sola de las variables incluidas en el
análisis. La regla sin embargo no es estricta y debe analizarse en conjunto
con otros criterios.
• Análisis del Scree Plot (Cattell, 1966): este método complementa al anterior
y se basa también el análisis de la magnitud de los eigenvalues pero a partir
de la tendencia que se observa en el Scree Plot. Se procuran seleccionar un
grupo reducido de factores que
Ejemplo Scree
tengan eigenvalues Plot:
significativamente superiores a
Scree plot of eigenvalues after factor
los demás, para lo cual se
4
o relativamente recta. En el
ejemplo que se presenta hay
0
1
Curso Técnico de Medición Multidimensional de la Pobreza y sus Aplicaciones
Santiago de Chile, 6-15 Diciembre 2010
• Análisis paralelo (Horn, 1965): Esta regla suele complementar las anteriores
cuando el numero de variables iniciales y factores resultantes es elevado. El
procedimiento es basado en el principio de que los factores a extraer deben
dar cuenta de mas varianza que la que es esperada de manera aleatoria. El
procedimiento reordena las observaciones de manera aleatoria entre cada
variable y los eigenvalues son recalculados a partir de esta nueva base de
datos aleatoriamente ordenada. Los factores con eigenvalues mayores a los
valores aleatorios son retenidos para interpretación. Para poner en práctica
este método en STATA se debe instalar el archivo ADO “fapara” 1.
1Para instalar el programa se debe utilizar el siguiente comando en STATA: “findit fapara:
http://www.ats.ucla.edu/stat/stata/faq/parallel.htm”. La información es
bajada de Internet por lo cual se requiere conexión en línea.
2
Curso Técnico de Medición Multidimensional de la Pobreza y sus Aplicaciones
Santiago de Chile, 6-15 Diciembre 2010
Si las variables son dicotómicas o dummy se puede llevar a cabo el análisis con la matriz de
correlación tetracórica utilizar el comando:
. tetrachoric varlist [if] [in] [weight] [, options]
. matrix r = r(R)
.factormat r, n(#) {donde # es el número de casos considerados en el análisis
De manera similar se puede utilizar la matriz de correlación policórica para variables ordinales con
pocas categorías para asumir cardinalidad (también aplica para cuando se tienen variables mixtas
entre dicotómicas, ordinales y continuas)
.findit polychoric (en caso que no estuviera instalado el ADO file)
. polychoric varlist [if] [in] [weight] [, options]
. matrix r = r(R)
.factormat r, n(#) {donde # es el número de casos considerados en el análisis
3
Curso Técnico de Medición Multidimensional de la Pobreza y sus Aplicaciones
Santiago de Chile, 6-15 Diciembre 2010
Pruebas de Confiabilidad
¿Los indicadores de la escala miden niveles
Consistencia Interna Coeficiente de Alfa Cronbach
similares?
¿La escala produce similares medidas bajo
Mediciones sucesivas Múltiple Administración
condiciones equivalentes?
Pruebas de Validez
¿La escala parece medir lo que se supone que Evaluación por parte de
Apariencia quiere medir? “expertos” en desarrollo de
escalas
¿El contenido de los items refleja la definición Evaluación por un grupo de
del constructo teórico? expertos / Entrevista cognitiva /
Contenido
¿Los entrevistados entienden las Focus Group
preguntas/términos en la misma forma?
¿La escala mide el número de constructos
teóricos?