PRACTICA II – ANÁLISIS MULTIVARIADO

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

KMO y prueba de Bartlett

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

Sig. ,000 Commented [M2]: Como p-valor es inferior al 5% se

rechaza Ho, lo que indica que se debe utilizar la técnica del
análisis factorial para resumir la información de la base de
2) KMO (KAISER. MEYER, OLKIN) datos

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

B) COMUNALIDAD Y ESPECIFICIDAD (UNICIDAD)

Las comunalidades, en cada variable, son

Inicial Li 𝜓 mayores que la proporción de varianza
PRECIO 1,000 ,781 0,219 propia (unicidad) y por lo tanto la
FINANCIACIÓN 1,000 ,857 0,143
CONSUMO 1,000 ,720 0,28 proporción de varianza compartida indica
COMBUSTIBLE 1,000 ,883 0,117 que el análisis factorial es lo más
SEGURIDAD 1,000 ,803 0,197
CONFORT 1,000 ,849 0,151 adecuado para la reducción de la
CAPACIDAD 1,000 ,528 0,472 dimensión.
PRESTACIONES 1,000 ,767 0,233
MODERNIDAD 1,000 ,792 0,208
AERODINAMICA 1,000 ,791 0,209
Método de extracción: Análisis de
Componentes principales.
En este punto se debe analizar que hacer en casos en que la comunalidad es inferior a la unicidad, hasta
qué valor es aceptable, etc.

C) VARIANZA TOTAL EXPLICADA – SELECCIÓN DE LA CANTIDAD DE FACTORES A UTILIZAR

Varianza total explicada

Sumas de las saturaciones al cuadrado de la

Autovalores iniciales extracción

% de la % de la
Componente Total varianza % acumulado Total varianza % acumulado

1 5,701 57,011 57,011 5,701 57,011 57,011

2 2,069 20,692 77,703 2,069 20,692 77,703
3 ,720 7,205 84,908
4 ,548 5,478 90,386
5 ,316 3,158 93,544
6 ,271 2,707 96,251
7 ,146 1,464 97,715
8 ,128 1,280 98,995
9 ,068 ,684 99,679
10 ,032 ,321 100,000
Método de extracción: Análisis de Componentes principales.

 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

El gráfico muestra los autovalores asociados a

los factores, a mayor autovalor mayor
proporción de varianza explicada. Los factores
1 y 2 son los que poseen mayor valor y por lo
tanto son los que se seleccionan para el análisis
final
 E) MATRIZ DE CARGAS FACTORIALES

Matriz de componentesa

Componente
1 2

PRECIO ,878 -,099

FINANCIACIÓN ,923 ,064
CONSUMO ,841 -,116
COMBUSTIBLE ,933 -,109
SEGURIDAD -,532 ,721
CONFORT -,197 ,900
CAPACIDAD ,276 ,672
PRESTACIONES -,862 -,156
MODERNIDAD -,879 -,137
AERODINAMICA -,765 -,454

Método de extracción: Análisis de

componentes principales.
a. 2 componentes extraídos

La matriz de cargas factorials asocia cada una de las variables a los factores:
Así:
F1: PRECIO, FINANCIACIÓN, CONSUMO, COMBUSTIBLE, PRESTACIONES, MODERNIDAD,
AERODINAMICA

F2: SEGURIDAD, CONFORT, CAPACIDAD

¿Se puede dar un nombre, alguna interpretación a cada grupo? - ¿Cuál?

 - -- - - - - -