Metodologia Cuantitativa en Educacién (302189) (Original) Duracién: 2h. NOTA.- El caso practico se califica con 3 puntos. Las cuestiones tedricas con 5. La puntuacién 0 (cero) en ‘cualquiera de las partes (practica 0 teoria) invalidaria el examen. Puede utilizar el texto base: “Metodologia cuantitativa en Educacién” y la calculadora cientifica Parte teérica 1) Se ha realizado una encuesta entre 400 escolares de colegios publics sobre actitudes ante el acoso escolar, Se recogen datos de distintas variables. El conjunto de variables estudiadas fueron 6, medidas en escalas continuas. Realizado un analisis factorial, con el cual se pretende extraer los factores subyacentes de dicho fendmeno. Se pide: a) Con qué datos de los presentados a continuacién justficaria a pertinencia del andlisis factorial? b) Explicar el numero de factores escogidos, justficando la respuesta, «)_ Reparto de las variables por factor y grado de explicacién de la varianza d) Por las tablas posteriores que grado de aproximacién (residuos) se ha conseguido con el método de componentes principales (para SPSS) y ejes principales (para R). ®) Qué variable es la de mayor influencia en el modelo factorial y en qué factor esté representada?. éCual és la peor representada en el modelo?. Justifcar las respuestas. Matriz de correlaciones: u w 3 vt vs v6 correlacién vi 1,000] ,azal ses] 80 oas] 072 w vez} 1,000] 763), 801 20] 052 3 ees] ,763] 1,000] ans 09] 087 va 801 801 sis] 1,000] 012) ,020 vs oz] ,o20]-,009]-,012] 1,000] 690 v6 072 051 057 020 690] 1,000 sig. ui 000] ,000)—,000 eat |e roan (unilateral) — ye 000 000] 000 351 1158 “a 000] ,000 4000 vai] 235 “a 000] ,000) 000 403] 347 vs vor] 3st] aan] a0 000 a, peterminante = ,012Prueba de KMO y Bartlett Medida Kaiser-Meyer-Olkin de adeouacién de muestrea Prueba de esfericidad de Aprox. Chi-cuadrado Battlett al Si Matrices ant Covarianza anti-magen v1 Correlacién ant-imagen v1 ‘a, Medidas de adecuacién de muestreo (MSA) “ 2 v3 v4 8 Método de extraccin: andlisis de ‘componentes principales.‘Sumas de extraccion de cargas | Sumas de rotacion de cargas al Autovalores iniciales al cuadrado cuadrado de % %de % mde % Componente Total | varianza |acumulado| Total_| varianza |acumulado| Total_| varianza | acumulado 3360] $6,002} 56,002) 3,960] 6,002] 56,002] 3,360] 56,001] 56,001 1688] 28,134] 84.136] 1,688] 28,134] 94,196] 1,688] 28,135] 84,136 315} 5.248] 9,384 287} 4290] 93,674 21a} 3673 97,248 165] 2,752] 100,000 Método de extraccién: andlisis de componentes principales, Matriz de componente” “ we 8 vs 6 Método de extraccién: andlisis de ‘componentes principales. 4.2 componentes extraidos. Correlaciones reproducidas vt a 3 vl vs 6 Correlacién reproducida v1 ast" 848 842) at 24 02 2 eas] aa® 839 837 ~008 ov 8 242 839 34" 832] 7.4186-5) 022 “4 eat 837 es2] gat" 008 ¥5 024 0s} 7.418e-5| — -.028 a46 002 17, o22| 006 on a3" Residuo® wl -048 -030] 074 008 009 we 3046 -o76] 035 005 007 3 ~030] 076 -059 007 on 4 sora] 035 -059| ~001 004 6 008 005 007} 001 156 6 009 oo7 on 04 156 Método de extracién: analisis de componentes principales. a, Comunalidades reproducidas b. Los residuos se calculan entre las correlaciones observadas y reproducidas. Existen 4 (26,0%) residuos no redundantes con valores absolutes mayores que 0,05. Método de extraccin: andlisis de ‘componentes principales. Método de rotacién: Varimax con normalizacién Kaiser. a. La rotaciin ha convergido en 3 iteraciones. Salida de resultados con R: [1] “PRINCIPAL AXIS FACTORING" Scorrelation v: v2 v3 v4 vs v6 v1 1,0000000 0.80128152 0.8121301 0.7673636 -0.03128025 0.075182 v2 0:8012815 1100000000 0:7634209 0:8027041 0:00013708 0:0099890 v3 0:8121301 0:76342085 1:0000000 0:7725748 0.00738613 0.0113760 v4 0:7673636 0.80270409 0:7725748 1.000000 -0:02869772 -0.0016606 v5 -0:0312802 0:00013708 0:0073861 -0:0286977 1:00000000 06874761 v6 0,0075182 0:00998897 0:0113760 -0:0016606 0:68747613 1.000000Santi nage cov v1 0.252382 v2 v: -0. 012645985 -0:042107 0421066 01277645 - 1145798 -0:082890 0177440 -0:025268 10090515 0.013919 -0: Santi .Image..cor v4 vs 3 v 0936266 -0.116922 -0.0446096 0.029267 -0.0199639 11145798 -0:017744 0.090515 0828904 -0:025268 0.0139191 1067469 -0.360644 0.525307, vi v2 v3 va vs v6 v1 1.000000 -0.362307 -0.441693 -0.166287 0.080640 -0.054829 0.362307 1:000000 -0:155350 -0.417132 -0:047748 0.024278 "441693 -0:155350 1000000 -0:294590 -0:066378 0.036447 -01166287 -0:417132 -0:294590 11000000 0:046354 -0.017432 v5 0.080640 -0:047748 -0:066378 0.046354 1.000000 -0.688768, v6 -0:054829 0.024278 0.036447 -0.017432 -0.688768 1.000000 $KMO_ [1] 0.78699 MSA MSA. vi 0.83879 v2 0.84908 v3 0185508 v4 0.86290 v5 0.49209 v6 0.49647 SBartlett (a) 1631.4 Sconmunalities Initial Communalities Final extraction vi 0.74762 0.80827 v2 0.73540 0279411 v3 0:72235 0.77533 v4 0.71484 0.76983 v5 0.47809 0.69182 v6 0.47469 0268286 $rterations fy 9 Seigenvalues 0 1 2 3 4 5 {1,] 3.36012 3.090320 3.132969 3.1436440 3.1463180 3.1469888 [2)] 1268802 11164535 1:270183 1°3229968 113494041 1°3626099, {3,] 0.31490 -0:014786 01027775 0:0384246 0.0411021 0.0417850, [4,] 0.25742 -01055806 -0:013013 -0:0019577 0:0016141 0:0040637 [5,] 0.21440 -0:096760 0.050928 -0:0314687 -0:0163959 -0.0079824 611 0.16515 -9.214504 -0,112131 -0.0684871 -0.0554015 -0.0517428 {1,] 3.147577 3.1472005 3.1472116 3.1472146 {2,] 1.3692149 1.3725195 1.3741740 1.3750035 [3,] 00419650 0.0420154 0.0420310 0.0420364 [4)] 010064175 0:0080865 0:0090440 0 :0095495, [5,] -0:0046817 -0:0034929 -0:0030184 -0:0028094 [6,] -0.0504747 -0.0499565 -0.0497221 -0.0496089 Sconmunality. Iterations 0 1 2 3 4 5 6v1 0.74762 0.79178 0.80347 0.80673 0.80772 0.80805 0.80817 0.80823 0.80825 v2 0.73540 0.77886 0.79001 0.79295 0.79375 0.79399 0.79406 0.79409 0.79410 v3 0.72235 0.76322 0.77287 0.77500 0.77538 0.77541 0.77538 0.77535 0.77534 v4 0.71484 0.75685 0.76698 0.76931 0.76980 0.76987 0.76986 0.76985 0.76984 v5 0.47809 0.58388 0.63695 0.66366 0.67720 0.68416 0.68782 0.68984 0.69104 V6 0.47469 0.58027 0.63287 0.65899 0.67187 0.67813 0-68107 0-68236 0.68282 vi 0.80827 v2 0.79411 v3 0.77533, v4 0.76983 v5 0.69182 v6 0.68286 Scriterion.pifferences 3 : 5 6 [1,] 0.044161 0.0116943 0.0032574 0.00098440 3.3264e-04 1.2719e-04 [2;] 01043454 010111560 0:0029336 0:00080475 2:3639e-04 7:6466e-05 [3,] 0.040866 0.0096531 0.0021249 0.00038564 2.3226e-05 3.0894e-05 [4] 0042007 010101239 0:0023368 0:00048530 7:1149e-05 7.6511e-06 [5,] 0.105790 010530713 0:0267151 0:01354035 6.9551e-03 3.6637e-03 6,1 0-105578 0.0525986 0.026121 0.01288074 6.2581e-03 2.9451e-03 [1,] 5.4202e-05 2.4954e-05 1.2045e-05 [2,] 2.7699e-05 1.1181e-05 4.9209e-06 [3,] 2.6080e-05 1:5660e-05 8.4261e-06 {4,] 1.4815e-05 1.0258e-05 5.9036e-06 [5,] 2:0186e-03 1.1965e-03 7.8564e-04 [6,] 1.2879e-03 4.5883e-04 4.4204e-05 $Factor.Loadings (4) [2] vi -0.8990088 -0.0070319 v2 -0:8910387 0.0125132 0.8263417 $Reproduced.cor vi v2 v3 v4 vs v6 v1 1,0000000 0.8009637 0.79131444 0.7888039 -0.02168755 -0.0013891 v2 0.8009637 1:0000000 0:78464572 0:7815911 -0:00530221 0.0147144 v3 0:7913144 017846457 1:00000000 0:7721510 -0:00071923 0.0190288 v4 0:7888039 07815911 0:77215105 10000000 -0:02485189 -0:00S0198 v5 -0:0216876 -0.0053022 -0:00071923 -0:0248519 100000000 0:6870765 v6 -0:0013891 00147144 0:01902875 -0:0050198 0:68707650 1.000000 SResiduals vi v2 v3 v4 vs v6 v1 0.09000000 0.00031778 0.02081567 -0.02144031 -0.00959269 0.00890733 v2 0700031778 0.00000000 -0:02122487 0:02111303 000543929 -0.00472543 v3 0702081567 -0:02122487 0.00000000 000042373 000810537 -0.00765278 v4 -0:02144031 0102111303 0.00042373 0.00000000 -0:00384582 0.00335922 v5 -0:00959269 0.00543929 000810537 -0.00384582 0:00000000 0.00039963 v6 0.00890733 -0. 00765278 0.00335922 0.00039963 0:00000000 SRMs [1] 0.012009v5 -0.02 0.92 0.84 0.16 1 vé 0:01 0:92 0:84 0:16 1 RCL _RC2 SS loadings 3.36 1.69 Proportion Var 0:56 0:28 Cumulative var 0:56 0:84 Proportion Explained 0.67 0.33 Cumulative Proportion 0.67 1.00 Parte practica 2) Se tiene los resultados de clasificar 80 items dicotémicos de una prueba de competencia docente en un colectivo de 300 profesores, Se desea obtener 6 escalas de medida. Se pide: a) Tipo de andlisis multivariante més apropiado para abordar el problema. Justificar la respuesta, b) Medida/s mas apropiada/s ©) Esquematizar el proceso de andlisis de datos con la metodologia escogida en el apartado a).