Documente Academic
Documente Profesional
Documente Cultură
A) PRUEBAS DE HIPOTESIS PARA MEDIR LA ADECUACIÓN DEL ANÁLISIS FACTORIAL A LOS DATOS.
1) Prueba de Esfericidad de Bartlett
H0: No se debe utilizar la técnica del análisis factorial para resumir la información de la base de datos
H1: Se debe utilizar la técnica del análisis factorial para resumir la información de la base de datos
Criterio: Si p-valor (en SPSS Sig.) es menor al valor de α (5%) se rechaza H0, se acepta en caso
contrario
Medida de adecuación muestral de Kaiser-Meyer-Olkin. ,700 Commented [M1]: KMO=0,70, El análisis factorial es
adecuado para la reducción de la dimensión de los datos.
Prueba de esfericidad de Chi-cuadrado aproximado 163,466
Bartlett gl 45
Es una medida de suficiencia o adecuación de los datos al análisis factorial. Utilizaremos la siguiente
regla (empírica)
KMO Evaluación
0,90 o más Excelente
0,80 a 0,90 Bueno
0,70 a 0,80 Aceptable
0,60 a 0,70 Regular
0,50 a 0,60 Bajo
0,50 o menos Inaceptable
% de la % de la
Componente Total varianza % acumulado Total varianza % acumulado
Se obtienen la misma cantidad de factores que variables (en este caso 10).
Proporciona el % de variabilidad que explica cada uno de los factores en orden decreciente.
El factor 1, sólo, explica el 57% de la variabilidad total, mientras que el factor 2 explica el 21%
aproximadamente. Por lo tanto, al trabajar con los factores 1 y 2 tenemos una varianza
explicada del 78% aproximadamente. Esto indica que trabajar con 2 factores ya es adecuado y
con ello hemos logrado reducir la dimensión porque de 10 variables ahora pasamos a 2 factores.
D) Gráfico de sedimentación
Matriz de componentesa
Componente
1 2
La matriz de cargas factorials asocia cada una de las variables a los factores:
Así:
F1: PRECIO, FINANCIACIÓN, CONSUMO, COMBUSTIBLE, PRESTACIONES, MODERNIDAD,
AERODINAMICA