P. 1
Tecnicas Multivariadas de Analisis

Tecnicas Multivariadas de Analisis

|Views: 23|Likes:
Publicado porylichmarx

More info:

Published by: ylichmarx on Aug 19, 2013
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as DOC, PDF, TXT or read online from Scribd
See more
See less

12/15/2013

pdf

text

original

PARTE I 1. Conceptos teóricos que fundamentan la técnica multivariada de Análisis Factorial.

El Análisis Factorial es una técnica estadística multivariante cuyo principal propósito es sintetizar las interrelaciones observadas entre un conjunto de variables en una forma concisa y segura como una ayuda a la construcción de nuevos conceptos y teorías. Para ello utiliza un conjunto de variables aleatorias inobservables, que llamaremos factores comunes, de forma que todas las covarianzas o correlaciones son explicadas por dichos factores y cualquier porción de la varianza inexplicada por los factores comunes se asigna a términos de error residuales que llamaremos factores únicos o específicos. El Análisis Factorial puede ser exploratorio o confirmatorio. El análisis exploratorio se caracteriza porque no se conocen a priori el número de factores y es en la aplicación empírica donde se determina este número. Por el contrario, en el análisis de tipo confirmatorio los factores están fijados a priori, utilizándose contrastes de hipótesis para su corroboración. 2. Modelo matemático Sean X1, X2,…, Xp las p variables objeto de análisis que supondremos en todo lo que sigue, que están tipificadas. Si no lo estuvieran el análisis se realizaría de forma similar pero la matriz utilizada para calcular los factores no sería la matriz de correlación sino la de varianzas y covarianzas. El investigador mide estas variables sobre n individuos, obteniéndose la siguiente matriz de datos:

.k} las cargas factoriales.….uj) = 0 si i≠j. i=1.El modelo del Análisis Factorial viene dado habitualmente por las ecuaciones: X1 = a11F1 + a12F2 +…+a1kFk + u1 X2 = a21F1 + a22F2 +…+a2kFk + u2 ………………………………… Xp = ap1F1 + ap2F2 +…+apkFk + up donde F1..….p.. j.…up los factores únicos o específicos y los coeficientes {aij. Índice de discriminación o análisis de ítems Para hallar el índice de discriminación de una prueba se forman dos grupos de estudiantes en función de sus respuestas correctas.Fk (k<<p) son los factores comunes y u1. Cov(ui. Se supone que los estudiantes del grupo superior tendrán mejores respuestas que los del grupo inferior y el índice de discriminación será más alto cuanto ... los factores específicos tienen media 0 y están incorrelados (E(ui) = 0.uj) = 0. ∀i=1. El índice de discriminación se establece analizando las diferencias de las respuestas correctas del grupo superior y las respuestas correctas del grupo inferior.…. que los factores comunes están a su vez estandarizados (E(Fi) = 0. El grupo superior está constituido por los estudiantes que respondieron mejor y el grupo inferior por los que alcanzaron puntajes más bajos.…. además... Var(Fi) = 1).k. j=1. i=1. Se supone. 3.p) y que ambos tipos de factores están incorrelados (Cov(Fi. j=1.p.

de mayor a menor. El puntaje total de la prueba es 20. Regular índice de discriminación. La prueba analizada posee un razonable índice de discriminación. pmi = Puntaje máximo de respuestas correctas del grupo inferior. Entonces: Id = 18 − 11 x 100 = 35 20 Para interpretar esta cifra se recurre a la siguiente tabla: 40% a más = 30% al 39% = 20% al 29% = menos de 19% = Buen índice de discriminación. Deficiente índice de discriminación. Para hallar el índice de dificultad de una prueba se aplica la siguiente fórmula: Id = pms − pmi x 100 PM= Índice de dificultad de la prueba. Si se ha aplicado una prueba a un grupo de 50 estudiantes y se ha elaborado el orden de mérito. se considerará grupo superior a los 25 estudiantes que obtienen las más altas puntuaciones y grupo inferior a los 25 restantes que tienen más bajas puntuaciones. Otro ejemplo: Hallar el índice de discriminación de una prueba en la que el puntaje máximo del grupo superior es 15 y el puntaje máximo del grupo inferior es 6. . Donde: Id pms = Puntaje máximo de respuestas correctas del grupo superior. PM = Puntaje máximo de la prueba. El puntaje máximo de la prueba es 20. Ejemplo: Hallar el índice de discriminación de una prueba en la que el puntaje máximo de respuestas del grupo superior es 18 y el puntaje máximo de respuestas correctas del grupo inferior es 11. 45 % significa que esta prueba posee un buen índice de discriminación.mayor sea la diferencia de las puntuaciones correctas del grupo superior con respecto a las del grupo inferior. Razonable índice de discriminación.

La matriz factorial puede presentar un número de factores superior al necesario para explicar la estructura de los datos originales. son ortogonales. consiste en determinar el número de factores que debemos conservar. . Lo ideal es que cada variable cargue alto en un factor y bajo en los demás. cargas. Uno de los problemas que se plantean. Los pesos factoriales indican el peso de cada variable en cada factor. Los elementos Pij pueden interpretarse como índices de correlación entre el factor i y la variable j. Generalmente hay un conjunto reducido de factores. de manera que se cumpla el principio de parsimonia. Los otros factores suelen contribuir relativamente poco. que son los que explican la mayor parte de la variabilidad total. Creación y análisis de la matriz factorial A partir de la matriz de correlaciones. es decir. que reproduce la primera de forma más sencilla y tiene la forma siguiente: 1 1 2 3 4 5 6 P11 P12 P13 P14 P15 P16 2 P21 P22 P23 P24 P25 P26 Cada columna es un factor y hay tantas filas como variables originales. la matriz factorial. Estos coeficientes reciben el nombre de pesos. los primeros. aunque estrictamente sólo son correlaciones cuando los factores no están correlacionados entre sí. por tanto.4. el Análisis Factorial extrae otra matriz. ponderaciones o saturaciones factoriales.

Para una mejor comprensión y utilidad de estas técnicas se utilizan dos enfoques..5. Junto con el análisis factorial se estudian los factores explicativos del desempleo. el análisis discriminante y el análisis de conglomerados. Existen diversos métodos cada uno de ellos con sus ventajas e inconvenientes. Conclusiones  Las técnicas multivariadas permiten el estudio interrelacionado de las variables sociales y demográficas. A partir de esta expresión se deduce la llamada identidad fundamental del Análisis Factorial: Rρ = AA’ + ψ donde Rρ es la matriz de correlación poblacional de las variables X1. una vez que se ha determinado que el Análisis Factorial es una técnica apropiada para analizar los datos.. a partir de modelos matemáticos con los que se representan las múltiples dimensiones de la realidad.  Las principales técnicas del análisis multivariado: el análisis factorial. Creación de componentes o factores El objetivo del Análisis Factorial consiste en determinar un número reducido de factores que puedan representar a las variables originales. . . El primero tiene que ver con "las variables y sus interrelaciones" y el segundo enfoque está relacionado con la evaluación de "la calidad de los datos". facilitando al investigador un mayor acercamiento a los fenómenos sociales. El modelo factorial en forma matricial viene dado por X = FA’ + U y el problema consiste en cuantificar la matriz A de cargas factoriales que explica X en función de los factores. Por tanto. debe seleccionarse el método adecuado para la extracción de los factores. 6.. Xp y Ψ = diag(ψi) es la matriz diagonal de las especificidades.

GARCIA JIMÉNEZ. Editorial La Muralla. GIL FLORES. "Manual del Análisis Factorial " .. Comrey. a partir de la clasificación de los departamentos en función de un conjunto de variables determinadas. J. Análisis Factorial. G. mediante la conformación de grupos de mujeres de acuerdo a un conjunto de variables seleccionadas y con el análisis de conglomerados se estudia del índice de desarrollo humano. . España 1985. Fuentes de consulta empleadas ANDREW L. Cuadernos de Estadística. . E.Con el análisis discriminante se estudia la fecundidad. 7.Cátedra. y RODRIGUEZ GOMEZ. (2000).

30 o más) y no tenerlas mayores en otro factor. debido a que el algoritmo del programa SPSS. que sirve para calcular este coeficiente se aplica solo a variables cuantitativas 2. Cuando intervienen variables cualitativas y cuantitativas en el AF. o dicho con más propiedad. ¿Cuándo es adecuado o recomendable realizar un Análisis Factorial? La aplicación del AF es más efectiva cuando todas las variables que intervienen son cuantitativas. ¿Cuál es el criterio que se debe tener en cuenta para no considerar un ítem o pregunta en la creación la matriz factorial? Para que un ítem se considere que pertenece a un factor. debe tener en él una correlación razonablemente alta (. y en este caso el instrumento o escala es la unidad de análisis. . los coeficientes de la matriz de correlación en muchos casos no son interpretables. 3. Un factor debe estar definido al menos por tres ítems para que merezca la pena tenerlo en cuenta. que lo define o explica suficientemente.PARTE II Responder a las siguientes preguntas en la parte final de la monografía: 1. 2º El análisis factorial del instrumento junto con otros instrumentos. De lo contrario no se le consideraría. en el que los ítems son la unidad de análisis. ¿Cuáles son sus criterios en los que se deben basar para considerar que la matriz factorial obtenida es válida? Hay que distinguir dos usos del análisis factorial en el contexto de la validez: 1º El análisis factorial del instrumento.

resulta muy útil examinar el porcentaje total de la varianza que es explicada por cada uno de ellos. Por lo que el total de la varianza estará determinada por el total de las variables incluidas en el estudio.4. El primer componente principal es la combinación que da cuenta de la mayor cantidad de la varianza en la muestra. se forma una combinación lineal de las variables observadas. Con el fin de determinar el número de factores necesarios para representar los datos. ¿Cómo se determina la cantidad de factores o componentes? Para ello se cuenta con diversos métodos los cuales difieren en el criterio que usan para definir lo que es una buena selección. El método de Análisis de Componentes Principales. Esto se expresa de manera estandarizada con una media de cero y una desviación estándar de 1. La varianza total es la suma de las varianzas de cada variable. . Así sucesivamente los componentes explican proporciones menores de la varianza de la muestra total. El segundo componente principal responde a la siguiente cantidad de varianza inmediatamente inferior a la primera y no está correlacionado con el primero.

You're Reading a Free Preview

Descarga
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->