Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1.
INTRODUCCIN
13
Lugares
^1
Cctsas (N)
ZiN
1
1
3
w
1
1
1
Vjl
o
>
"ji
"jN
^ni
^nN
1
1
1
1
^n1
14
en el campo
geogrfico
Ya hemos indicado, en la introduccin, que el objetivo bsico del anlisis factorial consiste en transformar la primitiva matriz geogrfica (variables x lugares) de dimensin n x N (n equivale al nmero de variables
y N al de lugares) en una nueva matriz geogrfica (factores x lugares), de
dimensin ms reducida m x N, donde las nuevas variables o factores
concentren la informacin de manera sinttica (fig. 2).
El primer problema que se presenta en el modelo factorial es el de
descubrir cul es el nmero de factores mnimo (m), capaz de sustituir a
15
Lugares (N)
n
g
>
?11
1
1
1
^11
Lugares (N)
^1N
o
t3
o
u.
<?111
a^,
0,^
a,,
aji
mi
^mN
1
1
^n1
^ni
^nN
-ab =^5
Fig. 3. Representacin grfica de variables. Significado geomtrico del coeficiente de correlacin de Pearson
Fuente: E.P.
De acuerdo al propio significado del coeficiente de Pearson, su valor
puede variar entre los valores extremos de 1 y ^ 1 , pudindose presentar
diversas situaciones (fig. 4):
Las variables 1 y 2 tendran una correlacin mxima positiva,
igual a la unidad, al tener la misma direccin y ser nulo el ngulo que
forman (eos 0 = 1).
Las variables 1 y 3 tendran una correlacin mxima negativa,
igual a - 1 , al estar situadas en la misma direccin, pero en sentidos
opuestos (eos 180= - 1 ) .
16
Quiere esto significar, que las n variables del caso general a que
nos estamos refiriendo formaran una estructura relacional, entre cada
dos variables, de manera, que el ngulo que formaran, cumplira la condicin de que su coseno fuera igual al coeficiente de correlacin de Pearson de ambas variables. Si el nmero de variables fuera nicamente dos,
su representacin sobre un plano sera muy sencilla, tal como vimos en
la figura 3. Sin embargo, si el nmero de variables fuera de tres se necesitara, en general, un espacio de tres dimensiones para poder representarlas, ya que los ngulos 9,, 92 y 93, resultantes de las relaciones
entre cada dos variables no tienen porqu cumplir la relacin 93 = 9,+ 92
(situacin en la que las tres variables estaran representadas en un plano)
y los vectores formaran un ngulo triedro (fig. 5).
A partir de tres variables, y de manera general, sera ya imposible
representar geomtricamente la posicin entre ellas, al necesitarse un espacio de ms de tres dimensiones.
Con objeto de facilitar la explicacin, supongamos un ejemplo de seis
variables, de manera que sus correlaciones hagan posible la representacin en un mismo plano. Tericamente, es posible imaginar esta situacin, que, normalmente, necesitara de un espacio de seis dimensiones.
Si los vectores representativos de cada variable ocuparan las posiciones
17
ri2= Cos O3
r23= Cos e,
Hs"Cos 2
en general
Qj^e + O
18
orde
de
de
eos
eos
eos
eos
eos
eos
0 eos
7 eos
12 eos
85 eos
90 eos
en el campo
0,993
5 eos 20
5 eos
0 eos 15
93 eos 78 eos
0,978
0,996
geogrfico
0,087
0,208
0,292
1
-0,259
0
-0,052 -0,139
0,208 -0,052
0,996 0,940
1
0,965
1
19
variables forma con los ejes factoriales, esta matriz factorial sera la siguiente:
II
1
2
3
4
5
6
eos
eos
eos
eos
eos
eos
65
58
53
20
25
40
eos
eos
eos
eos
eos
eos
25
32
37
110
115
130
0,423
0,530
0,602
0,940
0,906
0,766
0,906
0,848
0,799
-0,342
-0,423
-0,642
20
en el campo
geogrfico
X 100-48,12 %
1
2
3
4
5
6
eos
eos
eos
eos
eos
eos
95
88
83
10
5
10
eos 5
eos 2
eos 7
eos 80
eos 85
eos100
0,087
0,035
0,122
0,985
0,996
0,985
0,996
0,999
0,993
0,1736
0,087
-0,1736
21
X 100 = 49,27 %
FACTORIZACIN
MATRIZ
{X]
MATRIZ
FACTORIAL.
MATRIZ
FACTORIAL ROTADA.
F
'2
~1
INTERPRETACIO'N
DE LOS
RESULTADOS
DE PUNTUACIONES.
FftCTORIALES.
23
///.
LA APLICACIN
GEOGRFICO
24
(0
O
O
2 (0
o UJ
K
P
0. til _l
Q Z3
oe
UJ
V)
\li
t(T
z
o: Q. 1 l
C I
z
8g
_i
<
o
o
o:
2
oo
o
1-
.
o
<
<
C
O)
^1
N
O
Q>
(D
c
3
C
O
' I ^
5
"5
"O
o
^ir^i
3 5 t;
lij 2 UJ
0)
o
<
o:
a>
o
<2
_l
X
1/)
0;
XI
O
O
>
UJ Z
- UJ
X
ce
o
-^
Q)
3 -^U
8g2
z
o
o
o:
O
.o>
i:
25
15
1 <o
v>
J
OT
9F
-i
2: m 2
UJ
1-
"
_l
UJ
oe
lU
_l
<
E
0)
3
g
UJ
(D
C
3
C3)
3
CO
2
u
E
o
1
_i
<
2
o
o
o
p
s(j
^z
^O
o
<
o
<
c:
2
(0
Q.
O
O
Q
>
'<D^
1
1
1f
f1
.z
"2
<
S-
^
c
o
o
Qj
?o
g
^
1' '
o
o
lo K i5
!5
id
Q
y
S)
2 "i
2^
Q. (u
.O)
27
homogneas en uso del suelo... etc.), bien con la idea de encontrar unos
objetos tericos-tipo que concentraran los principales rasgos de la diversidad observada en la realidad (clasificacin tipolgica), bien buscando el
agrupamiento de los mismos en unidades geogrficas, contiguas espacialmente, y de caractersticas semejantes (regionalizacin).
El anlisis factorial se muestra a este respecto como un mtodo particularmente favorable a la consecucin de ambos objetivos. En el primer
caso, porque por su propia esencia, este modelo estadstico logra obtener
mediante los factores, las dimensiones bsicas de un conjunto de variables, que bien seleccionadas, pueden ser interpretadas como los rasgos
fundamentales de un objetivo tipo terico. En el segundo, porque la capacidad de sntesis del modelo factorial permite concentrar la informacin, fase previa necesaria en toda metodologa de regionalizacin.
Con objeto de facilitar la comprensin de las diversas vas de aplicacin anunciadas, vamos a detallar los resultados obtenidos en tres
ejemplos concretos. Con esta finalidad, realizamos, en primer lugar, una
introduccin a la problemtica que queremos analizar, detenindonos a
continuacin en las dos fases fundamentales de la tcnica factorial: la
seleccin de las variables de partida y el anlisis de los resultados.
3.1.
a)
El anlisis
de la estructura
de Parla
Introduccin
28
HJItA
Fig. 12. Situacin de los municipios del sector suroeste metropolitano madrileo.
Fuente: E.P.
29
leccin de las variables de partida como la interpretacin de los resultados la realizaremos a la luz del conocimiento de la realidad urbana de
esta importante zona de la ciudad, no de manera aislada, sino global,
como parte integrante de la estructura metropolitana.
b)
30
0-4
5-9
10-14
15-19
20-24
25-29
30-34
35-39
40-44
45-49
50-54
55-59
60-64
65 y ms
Fuente: Ayuntamiento de Parla.
VALORES PORCENTUALES
17,5
13,2
8,6
5,7
8,0
13,4
11,2
6,8
4,4
3,3
2,4
1,7
1,1
2,7
2.
3.
4.
5.
Tiempo de residencia
7.
8.
9.
Instruccin
10.
11.
12.
Nivel
socio-econmico
13.
14.
15.
16.
variable
17.
32
municipio
6.
Nivel de
Otra
en el
1960
Fig. 13. Crecimiento
Fuente: E.P.
en el campo
1980
1970
de la poblacin
(municipio
geogrfico
1990
de Parla).
33
Fig. 14. Secciones censales del municipio de Parla y delimitacin del casco antiguo.
Fuente: Ayuntamiento de Parla y E.P.
c)
La nnatriz factorial correspondiente a la matriz de datos (17 variables x 32 lugares) es la del cuadro II. La acumulacin de la varianza en
los tres primeros factores es muy elevada, alcanzando el 81,38 %.
La existencia de estos tres factores fundamentales permite deducir
algunas importantes conclusiones:
1. Ante la ausencia de datos relativos a la composicin tnica, los
dos primeros factores reflejan, en parte, los tradicionales ndices de la
mayora de estudios de ecologa factorial: el estatus socio-econmico o
rango social (factor 2) y el estatus familiar (factores 1 y 3). Este ltimo,
que, en general, aparece fuertemente correlacionado con la estructura demogrfica, se presenta a su vez diferenciado en dos partes: una relativa
34
CUADRO II.
en el campo
geogrfico
0,958
0,0
0,956
0,0
0,951
0,0
-0,872
0,277
-0,718
0,0
-0,587
0,0
-0,578
0,0
0,0
0,881
-0,316
0,837
-0,375
0,809
0,273
0,780
0,0
0,762
0,0
-0,673
-0,468
0,621
0,0
0,0
0,0
0,0
-0,363
0,0
0,0
0,0
0,0
-0,266
-0,648
-0,750
-0,623
0,0
0,0
0,0
-0,413
0,0
0,447
0,0
0,959
0,881
0,682
5,459
4,330
4,046
32,11 % 25,47 % 23,80 %
32,11 % 57,58 % 81,38 %
35
> 1
0-1
n
Fig. 15. Distribucin espacial del factor 1. Parla.
36
<-i
37
(fig. 16), obtenida mediante fotografa area, que muestre bien a las claras el desigual desarrollo urbano alcanzado por reas de la ciudad.
Las diferentes fases de ocupacin se ponen de manifiesto en las notaciones factoriales ms bajas del primer factor, situadas al Sur del ncleo urbano residencial (que coinciden con la ocupacin por matrimonios
jvenes venidos los ltimos aos, 1975-81, ya que el primer factor muestra una correlacin negativa con los mismos). Por contra, el factor 3 manifiesta una desproporcin de orden inverso, ocupando mayor superficie
en el Norte que en el Sur (fig. 17). Obsrvese, asi mismo, como las reas
en las que prodominan, relativamente, los matrimonios de 35-44 aos, correspondientes a este factor, muestran gran paralelismo con las de mayor
crecimiento durante el perodo 1972-75.
En lo que respecta a las notaciones factoriales de segundo factor,
la mayor accesibilidad, determinada por la proximidad a la carretera Ma-
>1
0-1
lH-0
38
<-1
> 1
Ofl
-IfO
n
Fig. 18.
Distribucin
:-1
Introduccin
Este segundo ejemplo supone un intento de delimitar el rea metropolitana madrilea, segn criterios derivados de la funcionalidad diferencial adquirida por los municipios situados en la proximidad a la capital.
Las peculiaridades del fenmeno metropolitano traspasan las fronteras de un nico pas. Estas reas, que como expusimos en el ejemplo
39
anterior, integran un ncleo central y una serie de ncleos satlites, definen un gran mercado de produccin y consumo, donde se establecen
relaciones diarias cada vez ms intensas de trabajo, recreo, compras, etc.
La extensin de las mismas alcanza los lmites, donde estas relaciones
diarias son posibles, por lo que no es de extraar que una mejora en los
medios de transporte permita su expansin en el espacio.
La manera lgica de establecer los lmites de una aglomeracin metropolitana deberla, segn este criterio, partir de un conjunto de variables
de flujos, que midieran la relacin, que por motivos de trabajo, ocio y
consumo diario, se establecen entre zonas fuertemente relacionadas entre s. La dificultad de un estudio de esta naturaleza reside, a veces, en
la inexistencia de datos que sobrepasen un rea definida previamente. En
el caso de Madrid, la ley del rea Metropolitana de 1963 defini, legalmente, un espacio metropolitano, integrado por 23 municipios, que, salvo
ligeras modificaciones, sirven para recoger la informacin estadstica de
mayor inters del entorno de la ciudad. No es de extraar, por tanto, que
hayan surgido determinados municipios (Parla, Mstoles, Fuenlabrada y
Alcal de Henares, fundamentalmente), situados en el exterior del rea
metropolitana administrativa, con un acentuado dinamismo urbano y con
una entidad suficiente como para poder ser considerados miembros integrantes de la misma.
Por este motivo, el intento de delimitar el rea metropolitana madrilea, puede ser encarado desde presupuestos diferentes, aunque tratando
de conservar el planteamiento bsico subyacente en la primitiva idea. En
consecuencia, podemos pensar que uno de los efectos principales del fenmeno metropolitano ha sido la concentracin del empleo y de la poblacin en reas muy reducidas prximas al ncleo central. Si bien este hecho no garantiza por completo la integracin de todas las unidades que
cumplan estas caractersticas en un mercado comn, podemos deducir
indirectamente que la concentracin del empleo y de la poblacin debe
producirse en las zonas que tengan un mayor nivel de relacin entre s.
b)
40
en el campo
geogrfico
2.
3.
4.
5.
6.
7.
8.
9.
10.
Altitud en metros.
11.
12.
13.
14.
15.
16.
17.
18.
19.
Respecto a las unidades espaciales, hemos utilizado la malla administrativa de los 177 municipios de la provincia de Madrid, excluyendo al
41
c)
42
FACTOR
FACTOR
FACTOR
FACTOR
FACTOR
FACTOR
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
0,951
0,888
0,843
0,789
0,779
0,712
-0,534
0,0
0,0
0,0
0,398
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,529
-0,827
0,750
0,644
-0,561
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
-0,414
0,0
0,989
0,986
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,941
0,938
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
-0,442
0,412
0,323
0,0
0,0
0,0
0,0
0,747
0,719
0,0
0,303
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,300
0,0
0,0
0,312
0,0
0,0
0,0
0,0
0,0
0,0
0,866
0,840
Varianza
4,680
2,411
2,186
1,884
1,836
1,786
VARIABLES
Porcentaje de
varianza (%)
24,63
12,68
11,50
9,91
9,66
9,40
24,63
37,31
48,81
58,72
68,38
77,78
Porcentaje
acumulado
(%)
Superior a 0,5
Comprendidos entre O y 0,5
Valores negativos
en el campo
geogrfico
3.3.
a)
Introduccin
La configuracin del modelo metropolitano en los pases desarrollados ha estado dominada por la aparicin de dos fenmenos, en apariencia contrapuestos, pero que obedecen, complementariamente, al mismo
funcionamiento:
La concentracin, en determinadas reas de cada pas, de gran
parte del empleo procedente del desarrollo econmico, lo que ha originado un masivo xodo del campo a la ciudad (fenmeno de implosin o
centrpeto).
La difusin, en el espacio circundante a cada gran
serie de funciones y actividades, localizadas en centros
han visto crecer de manera vertiginosa su poblacin y que
estrecha relacin con el centro, sin formar parte, por ello,
fsico uniforme (fenmeno de explosin o centrfugo).
ciudad, de una
prximos, que
mantienen una
de un continuo
45
b)
46
Grado de integracin de cada zona (porcentaje de poblacin residente, que no se desplaza del ncleo o zona por motivos de
trabajo).
c)
en el campo
geogrfico
2.
Atraccin del centro (porcentaje de poblacin residente, que diariamente se desplaza al centro a trabajar).
3.
4.
5.
6.
Relacin empleo/poblacin.
7.
8.
9.
10.
47
FACTOR
FACTOR
FACTOR
FACTOR
VARIABLES
1
Integracin en su municipio
0,918
Atraccin Centro
-0,873
Tamao Ncleo
-0,783
Integracin en su rea
-0,705
Porcentaje empleo terciario 2
0,0
Porcentaje empleo secundario ... 0,260
Porcentaje empleo construccin .. 0,0
Porcentaje empleo terciario 1
0,0
Relacin empleo/poblacin
0,0
Integracin de su rea
0,370
Porcentaje de varianza (%)
Porcentaje acumulado (%)
30,38
30,38
0,0
0,346
0,0
0,0
0,952
-0,856
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
-0,375
0,772
0,881
0,0
0,486
18,94
49,32
18,05
67,37
0,0
0,0
0,0
0,593
0,0
0,0
0,407
0,0
0,896
0,0
14,64
82,01
1.
Por ltimo, el cuarto factor presenta un grado de relacin estrecho
con la concentracin del empleo y lgicamente con la integracin en su
rea.
Analizando las notaciones factoriales de las 41 zonas, podemos deducir las siguientes conclusiones:
1. Existe una separacin clara, en los resultados del primer factor,
entre los distritos de Madrid y los municipios del extrarradio. La integracin de los distritos es lgicamente menor, por la mayor movilidad de los
residentes en la capital, que les permite desplazarse a otros distritos o
reas diferentes a la suya propia. Dentro de estos distritos, el grado de
integracin es mayor en los distritos del centro (excepto la Arganzuela),
48
en el campo
geogrfico
49
Tipo A
Tipo B
Tipo C
50
ANEXO TCNICO
+ fi. ap, + . . + f.
z=I f.
51
Su
3lN
2,.
matriz puntuaciones
matriz factorial
n (variables) x
N (individuos)
n (variables) x
m (factores)
m (factores) x
N (individuos)
Z = FxA
Es fcil comprobar, que ambas expresiones (algebraica y matricial)
son equivalentes, ya que el producto de una matriz de dimensiones n x m
por otra de m x N es una nueva matriz de dimensiones n x N, tal que cada
elemento de la misma (Z,), es la suma de los productos de los elementos
de una fila de la primera (fi,....fi) por los elementos de una columna de
la segunda (ay,....a^,).
Esta sera la expresin general del modelo factorial, que en sucesivas etapas iremos particularizando en los diversos modelos parciales
existentes. El problema, tal como queda planteado, consiste en obtener,
en primer trmino, los coeficientes factoriales de los diversos factores
que integran la matriz factorial F y en una segunda fase la matriz de notaciones factoriales A, partiendo de la matriz de puntuaciones Z, tipificada. Antes de exponer ms detalladamente el camino para obtener las matrices F y A, vamos a deducir alguna de las relaciones o ecuaciones fundamentales del modelo que nos van a servir para conseguirlo.
4.2.
Las relaciones
bsicas
del anlisis
factorial
52
f2 = f2 +
+f +
+f
=1
en el campo
geogrfico
X ffp = n
V=Z
i-1
p -1
La demostracin de esta propiedad es sencilla como veremos. Supongamos la variable j , cuya varianza es igual a la unidad.
1 '^
'
N ^
i
'
1
\ ^
^ M l
f,P a J = X
f^ a p : + X
fiP a ,
X
q
f.
p^q
j
^ i = N X ^'p' X t + X
X ap, a = 0
si los factores son independientes
53
En consecuencia:
a f = Z f-p=i
que es lo que desebamos demostrar.
2. Los coeficientes factoriales representan las correlaciones existentes entre las variables y los factores.
Supongamos, para demostrarlo que nos referimos a la primera variable Z,i y al primer factor f^p. De acuerdo con la ecuacin fundamental del
anlisis factorial, podemos expresar para el elemento Z,:
Z, = f a + f,2 a2, + ... + f,p ap + ... + f, a^.
Si multiplicamos ambos miembros por a,; quedara:
Zii aii = f a,i+fi2 a,I aji + .-. + tip a, ap, + ... + f,r a,, a^i
ecuacin vlida para los N elementos i = 1, N.
Si obtenemos la media de todos los posibles productos:
Z a
N
X 3?
"
'"
a^i api
N
J^ a,-, a
-^^"^
a,i api
=0
'-'
y al estar tipificados:
Z a?,
54
El primer miembro representa el coeficiente de correlacin de Pearson entre la primera variable y el primer factor, luego r = fi,.
De la misma manera y para el resto de las variables y factores podramos demostrar que;
^zjFp ~ 'ip
3. Los elementos rj^^ de la matriz de correlaciones R (matriz cuadrada y simtrica, cuyos elementos de la diagonal son iguales a la unidad)
correspondientes a los coeficientes de correlacin de Pearson existentes
entre las variables j y k, pueden ser expresados por los coeficientes factoriales de la siguiente manera:
Z,
''ik
Para demostrarlo, expresemos los valores de Z,, y Z,,, segn la ecuacin fundamental:
Z = fi, a, + ... + f|p ap, + ... + fi^ a,,,
Z k i ~ f k 1 ^M~^
~^*kp
3mi
'k2 ^
^2\~^
Z|, Zki
'-'^ =f f
2. ^1'
'"' - +
+f
L ^p'
'"'
+
+f
L ^"11
'"'
55
3ii
3?
N
Los factores:
I
N
mientras que:
N
=0
N
debido a la independencia. De todo ello resulta:
r|k = f fM + --+f,p t p + - - + f | m jkm
conno queramos demostrar.
Matricialmente esta propiedad podramos expresarla de la siguiente
manera:
R=
Z Z'
N
Al ser Z = F A, quedara:
R=
1
F A (F A ) ' = - F A A' F'
N
^
'
N
R=
56
F N I F' = F F'
Zji= X
p
a)
^iP api + bj u,
1
El punto de partida para la obtencin de los factores es, como venimos sealando reiteradamente, la matriz de puntuaciones Z,,. En el apartado siguiente, expondremos el algoritmo general de factorizacin, vlido
para realizar la primera fase del anlisis, aunque a modo de introduccin
vamos a exponer a continuacin el mtodo diagonal que nos facilite la
comprensin de los diversos pasos que es necesario acometer en este
sentido. Se trata de un procedimiento particular del algoritmo general,
pero aplicado a un ejemplo sencillo puede ayudarnos a entrever la filosofa subyacente a este mtodo de anlisis.
El problema a resolver es, indudablemente, la obtencin de la matriz
factorial, para lo cual vamos a aplicar la tercera propiedad fundamental
57
Jk1~'~Tj2
Ik2~'~---
']m
Tkm
A continuacin, calculando el segundo factor (por el mtodo que veremos) fji, f22
fj2
fk2
fn2. I^ pHrte dobida al mismo, que participa
en cada coeficiente de correlacin, sera el segundo sumando fjj',2,que
podra descontarse de la matriz factorial:
' k
' jk ~ ' n
R =
0
35
75
107
1
0,8192
0,2588
.-0,2924
eos
eos
eos
eos
35
0
45
72
0,8192
1
0,7660
0,3090
eos
eos
eos
eos
75
40
0
32
eos 107
eos 72
eos 32
eos 0
0,2588 -0,2924
0,7660 0,3090
1
0,8480
0,8480 1
^ 4
Fig. 23. Posicin de los ejes factoriales respecto a la estructura de las variables
Fuente: E. P.
59
La contribucin factorial f,, f^, en la matriz R, correspondiente al primer factor sera la siguiente;
'1
Ijl
fi, fn
M I '21
tl1 T31
' n T41
T21 111
'21 T21
'21 T31
'21 I4I
I3I M I
I31 *21
'31 '31
I3I '41
M I '11
T41 I2I
'41 I3I
I4I '41
Jkl
0,0670
0,1982
0,2588
.0,2195
Tk1
0,1982
0,5868
0,7660
0,6496
0,2588
0,7660
1
0,8480
0,2195
0,6496
0,8480
0,7191.
0,8192
1
0,7660
0,3090
0,2588 -0,2924
0,7660 0,3090
1
0,8480
0,8480 1
0,0670
0,1982
0,2588
.0,2195
0,1982
0,5868
0,7660
0,6496
0,2588
0,7660
1
0,8480
0,2195
0,6496
0,8480
0,7191.
O -0,5119
O -0,3406
0 0
O -0,2809.
A continuacin, seleccionamos el segundo factor, siguiendo una direccin perpendicular al anterior, de manera que ambos sean independientes entre s. Entre las posibles soluciones hemos elegido la de la figura 23.
Los coeficientes factoriales del segundo factor equivaldran, igual que
en el primer caso, a los coeficientes de correlacin con cada una de las
variables:
f,2 = cos
f22 = cos
f32 = cos
f43 = cos
60
15 = 0,9659
50 = 0,6428
90 = O
122 = -0,5299
M 2 '22
'22 M 2
T22 f22
I32
'22 '32
'22 '42
'32 '12
'32 '22
'32 '3?
'32
'
^^ '"
'32
'42
T42 1,2
T42 T22
T42
I42 T32
I32
142
'49 I4'
142 .
M2
'12 '42
'2 'k2
l_
0,9330 0,6210
0,6210 0,4132
O
0
-0,5119 -0,3406
'2 'k2
O
O
0
O
-0,5119
-0,3406
0
0,2809.
Descontando los nuevos productos fj2 fk2 del residuo de la matriz R, r,k
quedara:
'iu
ri.
-fi2f.2=0
Como venimos sealando repetidamente el problema de la factorizacin consiste en obtener la matriz factorial a partir de la matriz de datos
iniciales Z.
En el modelo factorial general ya expresamos, que la ecuacin fundamental era:
Z=FA+UB
siendo F la matriz de los factores comunes y U la de los factores nicos.
Se trata, por tanto, de encontrar la matriz F, para lo cual conocemos
la propiedad, deducida en el apartado 4.2., que la misma multiplicada por
su transpuesta F debe coincidir con la matriz de correlaciones modificada
R' (matriz de correlaciones R, donde se han sustituido los elementos unitarios de la diagonal por las comunidades).
61
F F' = R*
R* = R - U '
Comencemos por los factores comunes. Los pasos a seguir son semejantes a los expuestos en el ejemplo anterior pero con carcter ms
general. El problema consiste, en principio, en encontrar las notaciones
del primer factor o primera columna de la matriz factorial que vamos a
denominar F,. Partimos, para ello, de la matriz Z, , residuo de la matriz
de puntuaciones Z al descontar la parte correspondiente a los factores
nicos:
Z, = Z - U B = F A
Si conociramos la matriz de notaciones factoriales A , la correlacin
con la matriz de'puntuaciones sera la matriz factorial, siempre que la
primera estuviera tambin tipificada y los factores fueran independientes:
R,, = E(ZA') = E((FA + UB) A') =
= F E(A A') + B E(U A') = F R;,^=F
Pero, cmo encontrar los valores de las notaciones factoriales tipificadas? El problema que se plantea, para el primer factor, es obtener un
vector b,, tal que:
A, = b ' , - Z ,
Las condiciones particulares del vector b,, nos darn los diferentes
mtodos de la factorizacin.
En general, se puede partir de un vector P,, cualquiera, que dar
lugar a unos valores A , \ no tipificados, que pueden convertirse en tales
al dividir el resultado por la raz de la varianza
A;
=3', z,
en consecuencia:
62
A;
3'I Z,
^A,
V3', R* 3,
b=
^'
V(B', R* 3i
3,
V3', R* 3i
frmula fundamental del algoritmo de factorizacin.
Obtenida la primera columna de la matriz factorial deberamos repetir
la operacin calculando:
A =
V3'2 R2 32
y F 2 = R2
V3'2 R2 32
En pasos sucesivos lograramos obtener el tercer factor:
R s " R 2 ^ ^2 F 2
F3=R3
33
V3'3 R3 33
63
RsS I 1
Fo
' S ,1 F
'
S 1
3s
FsRs
VP^S
RS PS
c)
Mtodo diagonal
En el mtodo diagonal, el vector 3 , , seleccionado, es tal, que todos
sus componentes son iguales a cero, excepto uno de ellos que equivale
a la unidad. Con objeto de comprobar la aplicacin del algoritmo general
de factorizacin, utilizaremos el mismo ejemplo del apartado 4.3.a, en el
que iremos exponiendo las sucesivas fases del mtodo. Serian estos pasos los siguientes:
1.
P', R 3, = [0 O 1 0]
1
0,8192
0,2588
-0,2924
0,8192
1
0,7660
0,3090
0,2588 -0,2924
0,7660 0,3090
1
0,8480
0,8480 1
= 1
64
F, = R
V3',
^'
=R
en el campo
= R 3i =
R 3,
geogrfico
0,2588
0,7660
1
0,8480
0,2588
0,7660
1
.0,8480.
F, P,
0,0670
0,1982
0,2588
L0,2195
R2 = R - F ,
4.
F',
0,1982
0,5868
0,7660
0,6496
0,2588
0,7660
1
0,8480
0,2195
0,6496
0,8480
0,7194J
0,9330 0,6210
0,6210 0,4132
O
O
.-0,5119 -0,3406
O
O
0
O
-0,5119
-0,3406
0
0,2809
32 =
3'2 R2 32 =
0,9330 0,6210
0,6210 0,4132
[O 1 O 0]
O
0
L-0,5119 -0,3406
5.
O -0,5119
O -0,3406
0 0
O 0,2809J
= 0,4132
65
^2
Fp R ,
VP'.
R2 3.
0,9330 0,6210
0,6210 0,4132
O
O
.-0,5119 -0,3406
6.
0,9330 0,6210
0,6210 0,4132
O
O
-0,5119 -0,3406
O -0,5119
O -0,3406
0 0
x/o,4132
O 0,2809J
O -0,5119
O -0,3406
0 0
O 0,2809J
1,5557
0
0
0,9660
0,6428
0
_-0,5299
F',
Fj F 2
0,9660
0,6428
[0,9660 0,6428 O -0,5299] =
O
L-0,5229J
0,9330 0,6210
0,6210 0,4132
O
O
-0,5119 -0,3406
O
O
0
O
-0,5119
-0,3406
0
0,2809.
R3=0
F, = R
yaque
R 3, = 3, A
/ ^'
= P \ ' ^ = 3, VA,
V 3 ' i R 3, VA,
3', R 3, = 3', 3, A = A.
67
1
0,38
0,38 1
1 O
O 1
1
0,38
0,38 1
1-A
0,38
0,38
1-A
(1-Af-0,38' = 0
A'-2A + 0,8556 = 0
2 V 4 - 3 , 4 2 2 4 2 0,76
2
~
2
^^^^'"^^
"--0,62
A, = 1,38
A2 = 0,62
1 O
O 1
1,38
= o
= O
[P, 3^
-0,38 0,38
0,38 -0,38
3i
= o
3H3^ = 1
-0,383,+ 0,3832 = O
3? + 3^ = i
3, = 32;
2 3^ = 1;
3i = 32
-0,7071
VA,
0,7071
0,7071
Vl.38 =
0,8306
0,8306
La parte de la varianza explicada sera, de acuerdo a la primera propiedad del anlisis factorial, la suma de los cuadrados de los coeficientes
factoriales:
0,8306'+ 0,8306'=1,38
que equivale en este caso al valor del elgenvalor A,.
Al ser 0,8306 el coeficiente de correlacin de cada una de las dos
variables con el primer factor, ello significa que ste se encuentra en la
bisectriz del ngulo formado por ambas, como puede deducirse del valor
del ngulo que forma con cada una de ellas (fig. 25):
eos a = 0,8306;
a = 33 50'
69
R, = R - F , F',
0,8306
0,8306
1
0,38
0,38 1
1
0,38
0,38 1
0,31 -0,31
-0,31 0,31
0,6899 0,6899
0,6899 0,6899
El segundo eigenvalor
R - A l = 0 . Segn ello:
deberla cumplir,
0,31 -0,31
-0,31
0,31
0,31-A
-0,31
-0,31
0,31-A
1 O
O 1
= 0
(0,31-A)'-0,3f = 0
A'-0,62A = 0
V
70
- - - 0,62
[0,8306 0,8306] =
igualmente, la relacin
3' 3 = 1
0,31 -0,31
-0,31 0,31
0,62
3,"
1 o"
0 1_
= 0
IBH3 = 0
-0,31
-0,31
-0,31 -0,31
3H3^ = 0
-0,313,-0,3132 = 0
3?+ 32=0
3,=-32;
^'
^'
2 3 ^ = 1;
^'
3, = o,707i
3^=-0,7071
VA2
0,7071
-0,7071
V /0,62
0,5567
-0,5567
71
La posicin del segundo factor puede deducirse, calculando los ngulos que forma con ambas variables:
eos a, = 0,5567
ai = 5610'
a2 = 12350'
En la figura 25 puede observarse que los dos factores son perpendiculares entre s.
d)
72
A
B
C
D
E
A B
D E
0
1
0
1
1
0
1
0
1
0
1
0
1
0
1
1
0
1
0
1
1
1
0
1
0
Q-MODE
P-MODE
n=Variables.
O-MODE
S-MODE
N=Lugares.
t=Diversos momentos
en el tiempo.
tipos de anlisis
factorial
73
4.4. La rotacin
Hemos visto, como los diferentes mtodos de factorizacin existentes
pretenden obtener una nueva estructura de factores, que sustituya a la de
variables y que permite ir concentrando en un nmero reducido de ellos
la mayor parte de la varianza total disponible. Con ser importante esta
operacin, olvida, sin embargo, uno de los objetivos ms importantes del
anlisis, a saber: la identificacin y significacin de los factores en un
estudio concreto. Por este motivo, se pretende variar el criterio fundamental que condiciona la consecucin de una determinada estructura factorial (maximizar la varianza explicada por cada factor) por otro que establezca una relacin estrecha y directa de cada factor con un nmero
reducido de variables, disminuyendo la relacin con las dems a los lmites menores posibles. De esta manera, se facilita la identificacin.
Antes de nada, observemos, mediante un ejemplo sencillo, el significado algebraico de esta operacin. En el apartado II pudimos descubrir
intuitivamente la importancia de esta fase del anlisis factorial. Se trataba, en realidad, de realizar un giro de los ejes de referencia factoriales
que transformaba la primitiva matriz factorial en otra. Esta transformacin
pudo comprobarse ser el resultado de un giro de treinta grados entre los
antiguos (eje I y II) y los nuevos ejes de referencia (ejes A y B) (fig. 27).
La solucin algebraica consiste en expresar las coordenadas del extremo
de cada vector (componentes factoriales de cada variable) en funcin de
los nuevos ejes. Esta operacin resulta de multiplicar la antigua matriz
factorial por otra, cuyos elementos son los coeficientes de correlacin entre los ejes factoriales, antiguos y nuevos. Esta matriz multiplicadora sera pues:
eos (p^,
e o s CPftil
e o s CPi
e o s (pBii
eos 30
eos 120
eos 60
eos 30
0,866
-0,5
0,423 0,906
0,530 0,848
0,602 0,799
0,940 -0,342
0,906 -0,423
0,766 -0,642
74
0,866 0,5
-0,5
0,866
-0,087 0,966
0,035 0,999
0,122 0,993
0,985 0,174
0,996 0,087
0,985 -0,174
0,5
0,866
I y II a A y B
75
eos 20
CCS 30
eos 45
eos 145
eos 153
eos 163
eos 70
eos 60
eos 45
eos 55
eos 63
eos 73
0,940
0,866
0,707
0,819
-0,891
-0,956
0,342
0,5
0,707
0,574
0,454
0,292
76
eos 153
eos 63
0,866
0,5
-0,891
0,454
0,940
0,866
0,707
-0,819
-0,891
-0,956
0,866 -0,891
0,454
0,5
0,985 -0,681
1
-0,545
0,966 -0,309
-0,423 0,990
-0,545 1
-0,682 0,985
eos
eos
eos
eos
eos
eos
10
0
15
115
123
133
i3
eos
eos
eos
eos
eos
eos
133
123
108
8
0
10
0,985
1
0,966
-0,423
-0,545
-0,682
-0,681
-0,545
-0,309
0,990
1
0,985
77
BIBLIOGRAFA
Geographique
Quantitative,
Paris.
BOSQUE SENDRA, J., e all (1988): Aplicaciones de la Informtica a la Geografa y las Ciencias Sociales. Madrid, Ed. Sntesis, 319 pgs.
CUADRAS, C . M . (1981): Mtodos
nibar.
de anlisis
multivariante.
Barcelona, Eu-
Statistical
Lon-
Analysis in Phy-
78