Estadstica paramtrica

Assessment of normality (Group number 1)

Variable min max skew c.r. kurtosis c.r.

necesi1 ,000 4,000 2,681 13,405 6,968 17,419
necesi2 ,000 4,000 3,944 19,722 17,175 42,938
necesi3 ,000 4,000 1,161 5,804 ,457 1,142
normas1 ,000 4,000 ,185 ,927 -1,258 -3,146
normas2 ,000 4,000 1,122 5,612 -,002 -,005
normas3 ,000 4,000 ,374 1,870 -1,171 -2,927
normas4 ,000 4,000 ,234 1,170 -1,298 -3,245
contra5 ,000 4,000 ,086 ,431 -1,294 -3,235
contra4 ,000 4,000 -,088 -,438 -1,118 -2,796
contra3 ,000 4,000 ,187 ,936 -1,024 -2,560
contra2 ,000 4,000 ,359 1,797 -,937 -2,342
contra1 ,000 4,000 ,182 ,910 -1,262 -3,155
Multivariate 47,904 16,004

El mnimo en cada dimensin tuvo un valor de 0 y como mximo de 4

correspondiente al uso de las escalas desde muy bajo hasta muy alto, por otro
lado las distribuciones de las dimensiones no son normales, es decir el valor
central de la media, la moda y la mediana no encaja en 2 o 3 por tanto el valor
crtico de 16,004 indica que los datos se alejan de una distribucin normal.

El supuesto de multicolinealidad se ve frenado debido a la escala y la no presencia

de relacin de variables, as se puede apreciar en el siguiente grfico de
dispersin, por lo tanto, es favorable para el modelo de ecuaciones.
El siguiente supuesto es en referencia a los casos fuera de lo comn o outliers, a
travs de este se pretende describir la cercana o diferencia entre distancias.

En primer lugar, el caso univariante muestra la existencia de outliers.

Sin embargo, se requiere del anlisis mediante distancias al centroide para

verificar la gravedad del caso, as se pas analizar vectores de distancia.
En el caso conservador se puede utilizar el criterio de 0, probabilidad de 0,001
para designar un atpico.
HAIR et al. (1999; 58) sugieren
que "dada la naturaleza de los tests estadsticos, [] se use un nivel muy
conservador, quiz 0'001, como valor umbral para la designacin como caso
atpico".

Observations farthest from the centroid (Mahalanobis distance) (Group number 1)

Observation number Mahalanobis d-squared p1 p2

79 51,863 ,000 ,000
59 46,411 ,000 ,000
96 40,416 ,000 ,000
123 39,834 ,000 ,000
36 37,400 ,000 ,000
92 29,155 ,004 ,000
63 27,436 ,007 ,000
100 26,669 ,009 ,000
75 23,496 ,024 ,010
52 22,529 ,032 ,023
84 21,988 ,038 ,027
134 21,724 ,041 ,020
143 21,717 ,041 ,009
2 20,589 ,057 ,047
39 19,662 ,074 ,142
87 19,563 ,076 ,105
68 19,335 ,081 ,098
10 19,332 ,081 ,060
5 19,207 ,084 ,046
71 19,178 ,084 ,028
94 19,020 ,088 ,023
24 18,929 ,090 ,016
88 18,889 ,091 ,010
105 18,693 ,096 ,009
85 18,692 ,096 ,005
131 18,442 ,103 ,006
55 18,379 ,105 ,004
56 18,062 ,114 ,006
118 17,609 ,128 ,015
138 17,559 ,130 ,010
97 17,422 ,134 ,009
51 17,325 ,138 ,007
1 17,323 ,138 ,004
3 17,311 ,138 ,002
Observation number Mahalanobis d-squared p1 p2
86 17,230 ,141 ,002
125 17,157 ,144 ,001
104 16,805 ,157 ,003
101 16,785 ,158 ,002
26 16,339 ,176 ,007
122 15,927 ,195 ,020
130 15,915 ,195 ,013
48 15,490 ,216 ,038
127 15,291 ,226 ,049
35 15,081 ,237 ,066
78 15,072 ,238 ,047
44 14,884 ,248 ,060
45 14,654 ,261 ,087
110 14,301 ,282 ,171
149 13,999 ,301 ,271
27 13,851 ,310 ,298
6 13,808 ,313 ,265
20 13,618 ,326 ,320
73 13,364 ,343 ,427
106 13,241 ,352 ,447
108 13,140 ,359 ,452
8 13,000 ,369 ,487
90 12,869 ,379 ,517
99 12,695 ,392 ,580
91 12,571 ,401 ,606
137 12,429 ,412 ,646
19 12,165 ,432 ,764
124 11,959 ,449 ,831
61 11,755 ,466 ,885
4 11,745 ,466 ,855
139 11,713 ,469 ,831
148 11,472 ,489 ,900
74 11,464 ,490 ,872
93 11,364 ,498 ,880
150 11,333 ,501 ,859
140 11,278 ,505 ,848
47 10,723 ,553 ,979
145 10,129 ,605 ,999
9 9,969 ,619 1,000
57 9,860 ,628 1,000
83 9,826 ,631 1,000
Observation number Mahalanobis d-squared p1 p2
129 9,631 ,648 1,000
34 9,567 ,654 1,000
121 9,179 ,688 1,000
113 9,137 ,691 1,000
136 9,083 ,696 1,000
126 8,874 ,714 1,000
111 8,823 ,718 1,000
37 8,657 ,732 1,000
141 8,652 ,732 1,000
98 8,516 ,744 1,000
18 8,415 ,752 1,000
81 8,409 ,752 1,000
53 8,349 ,757 1,000
21 8,250 ,765 1,000
109 8,198 ,769 1,000
142 8,169 ,772 1,000
67 8,165 ,772 1,000
146 8,130 ,775 1,000
119 8,041 ,782 1,000
31 8,015 ,784 1,000
64 7,958 ,788 1,000
41 7,245 ,841 1,000
82 7,201 ,844 1,000
49 7,153 ,847 1,000
77 7,153 ,847 1,000
El modelo tras el anlisis de supuestos no restrictivos, se decidi hacer uso de
mnimos cuadrados generalizados y estimar el modelo.
Presenta componente estructural y un componente de medicin, por lo tanto, se
deben estimar 2 ecuaciones.

Por otro lado se presentan modelos estandarizados y sin estandarizar, la figura

anterior entonces resulta en las 2 siguientes, dadas las caractersticas anteriores.
Notes for Model (Default model)
Computation of degrees of freedom (Default model)
Number of distinct sample moments: 78
Number of distinct parameters to be estimated: 26
Degrees of freedom (78 - 26): 52
Result (Default model)
Minimum was achieved
Chi-square = 68,224
Degrees of freedom = 52
Probability level = 0,065
Dado que el modelo tiene un p-valor de probabilidad de 0,065 podemos afirmar
que el modelo se ajusta bien a los datos observados.
RMSEA
 Model RMSEA LO 90 HI 90 PCLOSE
Default model ,061 ,033 ,086 ,223
Independence model ,107 ,088 ,126 ,000

El valor RMSEA indica el error de aproximacin medio por grado de libertad, es un

ndice restrictivo de parsimonia, los valores por debajo del 0,08 indican un ajuste
adecuado del modelo en nuestro caso es de 0,061.