P. 1
PARCIAL_ESTADISTICA

PARCIAL_ESTADISTICA

|Views: 60|Likes:
Publicado porDavis Sanchez

More info:

Published by: Davis Sanchez on Jun 22, 2011
Copyright:Attribution Non-commercial

Availability:

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

06/22/2011

pdf

text

original

ANDREA PALACIOS MIGUEL 20070983

EXAMEN PARCIAL

A) Para determinar la posibilidad de una analisis factorial exitoso se realiza un análisis prelimin
KMO y prueba de Bartlett Medida de adecuación muestral de Kaiser-MeyerOlkin. Prueba de Chi-cuadrado aproximado esfericidad de Bartlett gl Sig. .764 285.049 28 .000

considerando el Test de Bartlett con Sig. = 0. dos variables asociadas, lo que determinaría

Considerando el KMO=0.764 > 0.6 y mdiante la prueba de MSA (antim lo que indica que ninguna variable

Matrices anti-imagen

Correlación anti-imagen

Item1 Comunicación entre colegas de la empresa Item2 Comunicación con clientes Item3 Nivel de salarios en relación a otras empresas Item4 Comunicación con superiores Item5 Manejo de la empresa en relación a la competencia Item6 Oportunidades de desarrollo profesional Item7 Oportunidades de ascenso Item8 Oportunidad/rapidez en toma de decisiones empresariales

Item1 Item3 Nivel Comunicació Item2 de salarios Item4 n entre Comunicació en relación a Comunicació colegas de la n con otras n con empresa clientes empresas superiores .800 -.326 -.014 -.448 -.326 -.014 -.448 .051 -.084 .071 -.061 .817 -.169 -.336 -.132 -.072 .156 -.071 -.169 .745 .076 .186 -.267 -.150 -.109 -.336 .076 .798 -.124 -.139 -.140 .052

Por lo tanto convendría realizar un AF puesto que las puebras preliminares arrojan l y con alto poder explicativo.

B) Para determinar el numero de dimensiones básicas aplicamos los sigueintes métodos:

Varianza total explicada DE LA MUESTRA Sumas de las saturaciones al cuadrado Autovalores iniciales de la extracción Componente 1 2 3 4 5 6 7 8 Total 3.410 1.371 1.095 .741 .452 .341 .321 .269 % de la % varianza acumulado 42.620 42.620 17.140 13.686 9.261 5.651 4.262 4.012 3.368 59.760 73.446 82.708 88.358 92.620 96.632 100.000 Total 3.410 1.371 1.095 % de la varianza 42.620 17.140 13.686

Según el metodo de Kais No obstante según el mé componentes pues estos

según el metodo de análi La varianza de la primera la varianza del tercer com esta ultima no es tomado

según el grafico de Catel sin considerar ella podría

701 -.267 -.461 .132 .461 -.072 -. observamos que la prueba tiene por lo menos s asociadas.139 -.497 .084 .140 -.124 . n Item8 Oportunidad/ Item5 Item6 rapidez en Manejo de la Oportunidad Item7 toma de empresa en es de Oportunidad decisiones relación a la desarrollo es de empresariale competencia profesional ascenso s .027 .071 -.109 .008 .150 -.e realiza un análisis preliminar para reconocer la presencia de factores o el Test de Bartlett con Sig.769 -.497 .6.156 -.008 -. observamos que todas correlaciones de las variables tienen un va dica que ninguna variable es aislada.071 -.044 -.682 -.186 -.052 -.044 -.685 as preliminares arrojan la presencia de por lo menos un factor s sigueintes métodos: .107 -. podemos notar un alto poder explicativo e la prueba de MSA (antimiagen.051 -.764 > 0.000 < 0. = 0.027 -. lo que determinaría al menos un factor común ando el KMO=0.061 -.107 .05.

321 14.546 11.956 .636 73.181 33.000 Total 1. en suma llegan ser > 50%) según el metodo de análisis paralelo de Horn: La varianza de la primera y segunda componente resulta ser mayor que la varianza del azar.446 Varianza total explicada AL AZAR Sumas de las saturaciones al cuadrado Autovalores iniciales de la extracción Total 1. Por lo tanto esta ultima no es tomado en cuenta.819 13.356 1.819 13.620 59.949 16.084 % de la % varianza acumulado 16.306 1.321 14.760 73.090 61.271 48.084 .695 93.186 1.636 Según el metodo de Kaiser ( VARIANZA > 1) tenemos TRES componentes. No obstante según el método de % minimo de varianza explicada.949 16.114 9.271 48.945 11.124 6.730 .819 100.494 % de la % varianza acumulado 16.090 61.186 1.581 84. es suficiente con DOS componentes pues estos.356 1.949 16. En tal caso se hablaría de DOS componentes según el grafico de Catell la pendiente parece inclinarse a nivel de la cuarta componente sin considerar ella podríamos habalr de la presencia de tres componentes .949 16.546 33.889 . Pero a varianza del tercer componente es menor que la varianza del azar.saturaciones al cuadrado e la extracción % acumulado 42.306 1.

las variables tienen un valor >0.6 .

Pero lo tanto onentes rta componente .ciente con DOS la varianza del azar.

474 .129 .818 .729 .461 . Para poder determinar con D) considerando dimensiones: para determinar si realizamos una rotación varimax u oblimin observamos la matriz d Matriz de correlaciones de componentes . no obstante observamos que en dicha matriz el tercer componente por lo que no constituye un buen compomente debido a ello consideramos un analisis con dos componentes y obtenermos lo siguiente: Matriz de componentesa Componente 1 Item1 Comunicación entre colegas de la empresa Item2 Comunicación con clientes Item3 Nivel de salarios en relación a otras empresas Item4 Comunicación con superiores Item5 Manejo de la empresa en relación a la competencia Item6 Oportunidades de desarrollo profesional Item7 Oportunidades de ascenso Item8 Oportunidad/rapidez en toma de decisiones empresariales .777 .200 -.592 al inicio Spss nos arroja una matriz de tres componentes.133 -.323 .777 .527 .467 2 -.765 .598 -.765 .527 .598 -.467 2 -.450 .317 .546 .461 .548 -.729 .450 .054 -.425 en este caso observamos dos componentes más diferenciados pero tenemos ciertos inconvenientes al determinar a que dim posee carga factorial significativa en ambas componentes.245 .496 .546 .133 -.425 3 -.C) Matriz de componentesa Componente 1 Item1 Comunicación entre colegas de la empresa Item2 Comunicación con clientes Item3 Nivel de salarios en relación a otras empresas Item4 Comunicación con superiores Item5 Manejo de la empresa en relación a la competencia Item6 Oportunidades de desarrollo profesional Item7 Oportunidades de ascenso Item8 Oportunidad/rapidez en toma de decisiones empresariales .474 .312 .245 .200 -.420 -.548 -.818 .

0000 15.033 .000 Matriz de componentes rotadosa Componente 1 Item1 Comunicación entre colegas de la empresa Item2 Comunicación con clientes Item3 Nivel de salarios en relación a otras empresas Item4 Comunicación con superiores Item5 Manejo de la empresa en relación a la competencia Item6 Oportunidades de desarrollo profesional Item7 Oportunidades de ascenso Item8 Oportunidad/rapidez en toma de decisiones empresariales .950 3.Componente 1 2 1 1.99373 6.629 2 .5000 18.5676 18.042 .00 25.304 .00 19.723 .795 -.766 .801 .000 .149 12.00 5.268 2 .3600 16.392 -.279 .491 . Mínimo Máximo Rango Amplitud intercuartil Asimetría Curtosis dimension_2 Media Intervalo de confianza para la media al 95% Límite inferior Límite superior Estadístico 17. típ.307 .054 .6800 12.0287 .3313 13.00 -.729 .053 dinámica de desarrollo de la empresa oportunidades para los trabajadores e) NORMALIDAD Descriptivos dimension_1 Media Intervalo de Límite confianza inferior para la Límite media al superior 95% Media recortada al 5% Mediana Varianza Desv.1524 17.714 .268 1.730 .

00 7.000 según las pruebas de normalidad Kolmogorov. .7778 13.00 15.Smirnova observamos que las dimensi los graficos constatan dicho hallasgo (se encuentran aseparados de las lineas) por lo trabajamos con medianas . Mínimo Máximo Rango Amplitud intercuartil Asimetría Curtosis 12.00 -.107 .75741 8.007 .00 2. típ.Media recortada al 5% Mediana Varianza Desv.534 -.074 Pruebas de normalidad Kolmogorov-Smirnova dimension_1 dimension_2 Estadístico .0000 3.139 gl 100 100 Sig.088 1.

dicha matriz el tercer componente esta conformado solo por una variable nvenientes al determinar a que dimensión pertenece el item 7 ya que ra poder determinar con claridad a que dimension pertenece realizamos una rotación: observamos la matriz de correlaciones de componentes y vemos si resulta una corrlación grande .

39937 .5.241 . 4.478 .observamos que la correlación resulta ser pequeña por lo que trabajamos con la rotaación varimax Una vez aplicada la rotación observamos una distinción más clara de las dimensiones contamos. 2. entonces con dos dimensiones los items que corelaiconan con el primer componente son los items 1. 6 y 7 lo que indica que cuanto más puntaje obtengan en dicho items mas desarrollado estara dicho clima laboral Error típ. .8.17574 . lo que indica que cuanto más puntaje obtengan en dicho items mas desarrollado estara dicho clima laboral los items que corelacionan con el segundo componente son los items 3.

000 rvamos que las dimensiones no son normales os de las lineas) por lo tanto . .972 ..029 .921 gl 100 100 Sig.241 .478 Shapiro-Wilk Estadístico .

orrlación grande .

.

.

336 .430 98.124 5.442 .789 2.360 47.098 .233 95.593 100.223 73.056 .708 91. hay DOS componentes b) Matriz de componentesa Componente 1 2 .970 .277 .360 26. en suma llegan según el grafico de Catell la pendiente p sin considerar ella podríamos hablar de NO seria suficiente con un promedio para representar bien la competitividad pues se observa que la prueba mide la presencia de más de un SOLO componente.584 Según el metodo de Kaiser ( VARIANZA > No obstante según el método de % minim componentes pues estos.525 4.a) Varianza total explicada Sumas de las saturaciones al cuadrado Autovalores iniciales de la extracción Componente 1 2 3 4 5 6 7 8 Total 3.197 3.464 .407 73.360 47.789 2.033 % de la % varianza acumulado 47.584 85.000 Total 3.223 12.098 % de la % varianza acumulado 47.360 26.700 .894 99.

mayor nivel de salarios.30 Según el Ranking hallado.21 59.830 .Indice de capacitacion es a personal Retención de trabajadores Uso de internet Nivel de salarios Capacidad de finaciamiento con recurso interno Indice de participación en el mercado Acceso a tecnología de punta Uso de tecnología .96 37.51 45.068 -.688 nivel de competitividad general nivel de copetitividad en recursos como empresa vs.48 67.635 .94 56.71 55.96 56.18 55.251 . nos plantea que mayor presencia de ésta.05 56.87 43.12 43.473 -.826 .501 -.516 .689 .27 44. indice de participacion en el mercado.01 57.94 51.227 .94 T2 50.644 .10 54. Orientación hacia el trabajador El componente 1 nos muestra que a mayor presencia de ésta. mayor indice de capacidades mayor uso de internet.855 .672 .88 56. nivel de salarios y capacidad de finaciameinto en recursos inte c) RANKING DE CASOS Resúmenes de casosa Sector Software Lencería Comidas Eletrodomést ico Cosmética Cosmética Agro Carnes Mecánica_au tos Electrónica T1 62. el sector más competitivo se sofware y el menos competitivo sería el de textiles .615 -. en cambio.89 51. acce El componente 2 .573 .61 61. mayor accesoa tec retención de trabajadores.

17 34.09 d) en el mapa perceptual podemos observar que textil posee una menor competitividad general p en un promedio respecto a su competitividad en recursos como empresa (componente 2) por otro lado. posee un prmedio del al contrario electronica posee un puntaje alto en componente 2 y promedio en el uno .20 37. el area de sofware se encuentra con mayor competitividad general (la mayor com tambien en promedio respecto a su competitividad en recursos como empresa (componente 2) e) mientras que el sector de lenceria posee un bajo nivel del componente 2.59 50.25 38.Cueros Zapatería Textiles 43.78 27.

en suma llegan ser > 50%) e Catell la pendiente parece inclinarse a nivel de la tercera componente podríamos hablar de la presencia de DOS componentes ompetitividad pues se omponente.de Kaiser ( VARIANZA > 1) tenemos DOS componentes. es suficiente con DOS s estos. n el método de % minimo de varianza explicada. .

indice de capacidades personales. acces a la tecnologia de punta y uso del a tecnología sta. retención de trabajadores on en el mercado. mayor accesoa tecnologia de punta y tecnologia PERO menor einto en recursos internos ector más competitivo sería el o sería el de textiles .

edio en el uno . posee un prmedio del componente 1.competitividad general pero se encuentra sa (componente 2) ad general (la mayor competitividad) pero mpresa (componente 2) 2.

a) un KMO contribuye a verificar al valides de constructo debido a que determina el poder explicativo de las variables respecto a los constructos que pretenden represerntar b) se usa el analisid e componente s principales porque es él el que no arroja la vision de cuantos componentes poseee la prueba. las rotaciones no cambian el numero de factore los componentes permiten identificar el numero de factores presentes c) el analiside componentes permite redistribuir la carga factorial (sobretodo del primer com es el que mas carga acapara) para permitir que las carags se encuentren mejor distribuidas resulte mas facil. El AF se usa sobretodo en pruebas psicometricas porque ayuda a bservar si realmente med manifiestas) puede representar los constructos que se desean estudiar (contenido latente. n se .

determina el poder epreserntar arroja la vision el numero de factores. solo las cargas factriales etodo del primer componente que en mejor distribuidas y la identificación de facotres var si realmente mediantes lo items de un test (variables (contenido latente. no observable) .

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)//-->