Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Diapositivas Tema3 ACP Color
Diapositivas Tema3 ACP Color
Principales
Introduccin: ACP y AF
ANLISIS MULTIVARIANTE
Anlisis de Componentes
Principales (ACP)
Representar un conjunto de
variables observadas mediante
un nmero pequeo de nuevas
variables construidas como
combinaciones lineales de las
originales, denominadas
componentes principales.
Pearson (1901)
Hottelling (1933)
Pearson (1901)
Spearman (1904)
Caractersticas deseables:
REDUCCIN DE LA DIMENSIONALIDAD. Se pretende que el
nmero de componentes principales sea menor que el de variables
originales.
ORTOGONALIDAD.
independientes.
Es
decir,
que
sean
estadsticamente
ACP y AF en la prctica
Campos de aplicacin:
El ACP es una herramienta muy til como un paso previo que permite
la reduccin de la dimensin, y por consiguiente puede simplificar
posteriores anlisis estadsticos al aplicarlos sobre las componentes
principales (por ejemplo para un anlisis de regresin).
Economa, educacin, empresa, poltica, agricultura, antropologa,
arqueologa, biometra, ecologa, geografa, geologa, industria,
lingustica, medicina, metereologa, psicologa, sociologa, veterinaria,
etc..
Tipo de datos:
Variables cuantitativas con medidas de tipo escala.
Ejemplos:
1.
2.
Un ejemplo ilustrativo
Qu factores influyen en el individuo a la hora de comprar un vehculo?
Un ejemplo ilustrativo
Qu factores influyen en el individuo a la hora de comprar un vehculo?
1.0
confort
seguridad
capacidad
Factor 2
.5
financiacin
precio
0.0
prestaciones
modernidad
consumo combustible
aerodinmica
-.5
-1.0
-1.0
-.5
0.0
Factor 1
.5
1.0
La medida KMO evala si las correlaciones entre las variables son altas.
Vara entre 0 y 1 y cuanto ms cerca est de 1 ms adecuado ser el AF.
-Si KMO es mayor o igual que 0.9 las correlaciones son muy altas
-Si KMO est entre 0.8 y 0.9 son notables
-Si KMO est entre 0.7 y 0.8 son medianas
El test de Bartlett contrasta la hiptesis nula no tiene sentido aplicar el
AF. Un p-valor (sig.) inferior al 5% conducira a rechazar dicha hiptesis
nula al 5%.
Tanto KMO como Bartlett nos llevan a la conclusin de que el AF (ACP)
tiene sentido y que las correlaciones entre las variables son medianas
Porcentaje de la variabilidad total que queda explicada por las dos componentes
extradas: 77.703%
Ejercicio propuesto
Utilizando el fichero de datos mundo2.sav, realizar un anlisis
de componentes principales con las variables znac_def,
zmortinf, zfertil, zinc_pob, ztasa_na, zurbana, zalfabet, zcaloria,
zlog_pib, zpib_cap, zpoblac y zdensida.
En el anlisis se pueden seguir los pasos realizados en el
ejemplo anterior. Y a partir de los resultados que proporciona
SPSS se pide responder a las siguientes cuestiones:
1.
Cuntas componentes es adecuado extraer? Cul es el
poder explicativo de cada componente extrada?Qu
porcentaje de la varianza total queda explicado por todas
las componentes que se han extrado?
2.
Asociar las variables originales con las componentes
extradas.