Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Usil-Ima-2012.1-Análisis Factorial
Usil-Ima-2012.1-Análisis Factorial
Profesor
Ing. Williams Hidalgo, MBA
Análisis factorial
1
19/10/2011
Usos
2
19/10/2011
Matriz de datos
3
19/10/2011
Donde:
X1, X2, …,Xp : Variables observables
F1, F2, …, Fm : Factores comunes no observables o latentes, m < p
e1, e2, …, ep : Factores únicos o específicos para cada una de las
variables, i =1,2,…,p
ahi : cargas factoriales, i=1,2,…,p, h ≤ m
donde:
X1, X2, …,Xp : Variables observables
F1, F2, …, Fm: Factores comunes no observables o latentes, m < p
e1, e2, …, ep : Factores únicos o específicos para cada una de las
variables, i =1,2,…,p
ahi : cargas factoriales, i=1,2,…,p, h ≤ m
4
19/10/2011
Suposiciones
El vector de medias de los Factores comunes es cero,
E(F ) 0 ( m 1)
La matriz de varianzas y covarianzas del vector de factores
comunes es la identidad,
Cov ( F ) I (m m)
E ( e ) 0( p 1)
Los factores únicos tienen: Cov(ei ; ej) = 0 i j.
Los factores únicos y comunes tienen: Cov(Fm ; ei) = 0
5
19/10/2011
Procedimiento en SPSS
Procedimiento en SPSS
6
19/10/2011
Matriz de correlaciones
Matriz de correlaciones
7
19/10/2011
Matriz de correlaciones
Matriz de correlaciones
El determinante de la matriz de
correlaciones: un determinante muy bajo
indicará altas correlaciones entre las
variables, pero no debe ser cero (matriz no
singular), pues esto indicaría que algunas de
las variables son linealmente dependientes y
no se podrían realizar ciertos cálculos
necesarios en el Análisis Factorial. (Levy, J.P y
Varela, J., 2005)
8
19/10/2011
Resultados
Indicador de la Adecuación de la
Muestra Global
Índice KMO de Kaiser – Meyer – Olkin
rij2
i j
KMO 2
rij aij2
i j i j
donde:
rij= coeficientes de correlación simple entre variables
aij= coeficiente de correlación parcial entre variables
9
19/10/2011
Indicador de la Adecuación de la
Muestra Global
Valores bajos del índice KMO no aconsejan la
utilización de Análisis Factorial (Levy, J.P y
Varela, J., 2005)
10
19/10/2011
Estadística de prueba
2 1
n 1 6 2p 5 ln R
El SPSS provee el p-valor para esta prueba.
Estadística de prueba
2 1
n 1 6 2p 5 ln R
En el estadístico de prueba se tiene:
n = tamaño muestral
p = número de variables
ln = logaritmo neperiano
R = matriz de correlaciones
Si se acepta la hipótesis nula significa que las
variables no están inter correlacionadas y por tanto
no tiene mucho sentido llevar a cabo un Análisis
Factorial.
11
19/10/2011
donde:
rij = correlación simple
aij= correlación parcial
12
19/10/2011
Resultados
Comunalidades
13
19/10/2011
Comunalidad
Matriz factorial
14
19/10/2011
Matriz factorial
1 2
1 P11 P21
2 P12 P22
3 P13 P23
4 P14 P24
5 P15 P25
6 P16 P26
Matriz factorial
15
19/10/2011
Eigenvalues (Autovalores)
λi Proporción de varianza
100
p explicada por el factor i
16
19/10/2011
Procedimiento en SPSS
17
19/10/2011
Scree Plot
3,0
2,5
Component Matrixa
Compone
2,0 nt
Eigenvalue
1
elegante .983
1,5
sensual .946
romantica .970
1,0 Extraction Method: Principal Component Analysis.
a. 1 components extracted.
0,5
0,0
1 2 3
Component Number
Rotaciones factoriales
18
19/10/2011
Rotaciones factoriales
Rotaciones factoriales
19
19/10/2011
Rotaciones factoriales
Rotaciones factoriales
20
19/10/2011
Interpretación de factores
Puntuaciones factoriales
21
19/10/2011
Puntuaciones factoriales
Puntuaciones factoriales
Método de regresión
Estima F mediante el método de los mínimos cuadradoS
Fˆ
1
A' A A' X
Método de Barlett
Considera que las variables en el modelo factorial son
combinación lineal de los factores comunes, mientras que los
factores únicos deben ser entendidos como desviaciones de esta
combinación lineal, por lo que deben ser minimizadas. Estimando
las puntuaciones factoriales mediante:
1
Fˆ A' D 2 A A' D 2 X
22
19/10/2011
Puntuaciones factoriales
E ( Fˆi .Fˆ j ) 0, i j
La solución obtenida por Anderson y Rubin es:
Procedimiento en SPSS
.
23