MARCH 15, 2020

PARTE 1:

Análisis Factorial Exploratorio y Confirmatorio: Resultados de varias subesacalas de

diversos test.

UNAH
MAESTRÍA EN PSICOMETRÍA Y EVALUACIÓN
EDUCATIVA

PSICOMETRÍA Y EVALUACIÓN I
PHD. DIEGO RIVERA

TRABAJO ANÁLISIS FACTORIAL

POR: WALESKA ALESSANDRA HERRERA NUÑEZ

KEVIN EDUARDO RODRIGUEZ
 Matriz de patrón EFA

Componente

1 2 3 4

tba_Total 1.012
tba_n .981
tba_l .906
frutas .929
animales .899
profesiones .858
errores -.980
perseveracion -.949
categorias .741
Rey_m .912
Rey_c .842
recognition .657
evocacion .499
total_en .312 .372

Matriz de patrón CFA

Componente

1 2 3 4

tba_Total 1.003
tba_l .929
tba_n .899
evocacion .833
total_en .786
recognition .765
Rey_m .719
Rey_c .462
errores -.971
categorias .904
perseveracion -.881
profesiones .889
frutas .878
animales .871

Para el Análisis exploratorio se ha realizado en análisis de componentes principales ya que al

ser puntuaciones de diversas pruebas al utilizar métodos como el de máxima verosimilitud las
correlaciones de algunas puntuaciones como factores resultan negativas por lo que generan
dificultad para mantener algunos factores. En este método de EFA resultaron 4 factores para
una muestra de 255 personas, aunque igual que en los otros métodos aquí dos resultados
pertenecientes a errores y perseveración con correlaciones negativas por lo que es posible que
este componente eventualmente en el confirmatorio no aparezca. Así mismo las varianzas de
estos cuatro componentes se encuentran dentro lo necesario aunque para resultados de
diferentes test se encuentran por debajo del 75%, algunos autores sugieren que a partir del
50% de varianza se pueden tomar en cuenta, además el hecho de que sean valores bajo tiene
que ver con que pueden realizar mediciones de variables neuropsicológicas en común pero
esto lo realizan de manera diferente, y en algunos casos las variables a medir no son
exactamente las mismas entre los tests.

Análisis Confirmatorio
Como podemos notar ya en el CFA siempre nos quedan cuatro componentes tal como el EFA
nos refería solo que a diferencia del EFA en el CFA la variable total en ya no se encuentra
dividida en dos componentes si no que ya está ubicada en uno y pasa de tener correlaciones
muy bajas en dos factores a tener una correlación adecuada para el segundo componente. Así
mismo algunos de las variables cambian de componente en el CFA, sin embargo, las mismas
variables que en el EFA daban resultados negativos siguen dándolos en el CFA. Cabe
destacar que para este Análisis Factorial confirmatorio también se usó una muestra de 255
personas distintas a las utilizadas en el exploratorio.
PARTE 2:
Análisis factorial de la Prueba Token

Prueba de KMO y Bartlett

Medida Kaiser-Meyer-Olkin de adecuación de muestreo .586

Prueba de esfericidad de Aprox. Chi-cuadrado 1146.083
Bartlett gl 435

Sig. .000

Matriz de patrón
  Componente
1 2 3 4 5 6 7 8 9 10 11 12 13
Item1 0.94                        
1 3
Item1 0.79                        
5 6
Item2   0.70                      
3 8
Item2   0.64     0.36                
0 2 6
Item2   0.54                     -
1 9 0.30
9
Item1   0.42       0.32              
9 8 5
Item2   0.36                     0.30
4 8
Item1     0.79                    
8
Item3     0.72                    
3 5
Item3 0.35   0.46                    
1 8
Item2       0.78                  
6 2
Item1       0.51 -                
2 6 0.32
4
Item2       0.50 0.38                
7 4 7
Item2       0.46       0.39          
2 9 1
Item2         0.79                
9 3
Item3         0.50         0.34      
2 1 2
Item1           0.82              
0 7
Item1           0.54           0.53  
6 5
Item1             0.94     0.32      
8
Item3           0.38 0.39            
6 3 9
Item1               0.79          
4 1
Item1             0.30 0.62          
3 9 9
Item2               -          
5 0.32
8
Item3                 0.91        
4 8
Item1                 0.58        
7 7
Item3                   0.84      
4
Item3       0.38           0.41      
0 7
Item8                     0.99    
1
Item3                       0.85  
5 4
Item2                         0.89
8 1

En el caso del test Token el cual, es un test neuropsicológico desarrollado con el fin de medir
detectar problemas en el lenguaje, específicamente aquellos relacionados con el lenguaje
receptivo. Este test inicialmente constaba de 62 comandos, pero en este caso se ha hecho una
versión corta que consta únicamente de 36 ítems. Al realizar el análisis con una población de
300 personas en el análisis de varianza se deciden eliminar aquellos que tienen una varianza
igual a 0 estos ítems son: 2,4,5,6,7 y 9. En cuanto a las correlaciones vemos correlaciones
buenas entre ítems como el 1 con el 19, 32 y 35, el 8 con el 21, 25,27 y 30, el 20 con el 10,
11, 12 14, 16 y 17.

La prueba de KMO resulta muy baja para un test de esa magnitud indicando entonces que la
relación entre las variables es muy baja, lo cual se confirma en la mayoría de las
correlaciones obtenidas entre los ítems. Sin embargo, es posible aceptar la hipótesis nula y
realizar el análisis factorial, en el cual han salido un total de 13 componentes compuestos de
la siguiente manera:

Componente ítems
1 11,15 y 31
2 23,20,21, 19 y 24
3 18, 33 y 31
4 26,12 ,27, 22 y
30
5 20, 27, 29 y 32
6 19, 10, 16 y 36
7 1, 36 y 13
8 22, 14, 13 y 25
9 34 y 17
10 32, 1, 3 y 30
11 8
12 16 y 35
13 24 y 28

Cabe destacar que la cantidad de componentes que aparecen en el análisis factorial tiene que
ver mucho con la independencia que tienen los ítems, vista a través de sus bajas
correlaciones, así mismo al realizar un breve análisis de las medias vemos que principalmente
el ítem 25 tiene una media muy baja comparada con los demás este ítem es “Toque el círculo
negro con el cuadrado rojo” y al ser un test de lenguaje receptivo la mayoría falla
probablemente porque en culturas como en la de la población aplicada la diferenciación en el
uso de las preposiciones en el lenguaje no queda muy clara y es por esto que la mayoría
tiende a responder mal el ítem, por lo que habría que ver si el ítem se modifica o se elimina
del test para este tipo de población.

PARTE 3:

MODELO DE REGRESIÓN

Resumen del modelob

R cuadrado Error estándar
Modelo R R cuadrado ajustado de la estimación
a
1 .443 .197 .189 3.5372

ANOVAa
Suma de Media
Modelo cuadrados gl cuadrática F Sig.
1 Regresión 1543.339 5 308.668 24.671 .000b
Residuo 6305.790 504 12.511
Total 7849.129 509

a. Variable dependiente: frutas

b. Predictores: (Constante), interaccion7, edadcen, sex, educencuad, educen
 Coeficientesa
Coeficientes
Coeficientes no estandarizados estandarizados
Modelo B Desv. Error Beta t Sig.
1 (Constante) 13.456 .250 53.800 .000
sex -1.615 .328 -.199 -4.919 .000
edadcen -.048 .008 -.229 -5.665 .000
educen .261 .038 .363 6.871 .000
educencuad .014 .005 .105 2.519 .012
interaccion7 -.140 .060 -.124 -2.326 .020

Coeficientesa
Estadísticas de colinealidad
Modelo Tolerancia VIF
1 (Constante)
Sex .974 1.026
Edadcen .976 1.025
Educen .572 1.749
educencuad .916 1.092
interaccion7 .557 1.795

a. Variable dependiente: frutas

Para el modelo de regresión se tiene como variable dependiente Frutas y se comparó

inicialmente con 5 predictores de primer orden: Edad, edad al cuadrado, años de educación,
años de educación al cuadrado y sexo. Así mismo se tuvo 8 predictores de segundo orden que
se formaron de la interacción de estos 5 predictores entre ellos. Al realizar la eliminación
jerárquica de las variables cuyos valores p eran los peores resultaron 5 variables que se
ajustan al modelo es decir que logran explicar en un 44% a la variable Frutas, estas son:
Sexo, edad centralizada, años de educación, años de educación al cuadrado y la interacción
educación por el sexo. Una vez ajustado el modelo presenta un R ajustada al cuadrado de .
189 lo que indica que estos predictores en general impactan en el resultado de frutas en un
18%, en cuanto a los supuestos del modelo de regresión si analizamos el VIF y la tolerancia
ambos se encuentran en el rango aceptado por lo que si cumple este supuesto indicando así la
relación que tienen laos predictores entre sí para explicar la variable dependiente, en cuanto
al supuesto de homocedasticidad vemos que la varianza no es muy distinta entre los grupos
por lo que el modelo ajustado cumple con este principio, reflejando estabilidad a pesar de
tener un R cuadrado bajo.