Matemadtion: (na publicacion de FNM ~ESPOL 2015, Vol 13, No. 1 (CORRELACION POLICORICA EN EL ANALISIS DE FACTORES CON VARIABLES ORDINALES ‘Ramos Barberin Miriam’, Plata Alarcén Wendy? eaten Beste are reset a cx dels des coreacionsplcs a par de arabes ras. Paral ete conten ara te part ty bad, tar vara diem ues mdi de ‘ie cmcaine pacincas one ane de toes exploatons pare nc pupa de waar gue fen a cs parame sua re : Abarat his pope shows an explanation of the pho coelatin cles from veda dt. Ror hi paras, latent ‘wae areceted fom bere dane te vrs die hea the ner son dma ‘tena creas Basd on thts cna, ne hal rats te por creation spied ‘Sabu for Uaifing ser of ober ‘thar lc stoner nee the Postgrad Paparinet of aery ‘Kejword rial var, ists mls, tracer corel, pobshre corton, mama ato Recibido; Enero 2015, ‘Aceptado: Febrero 2015, INTRODUCCION FEI uso de las variables ordinales. se ha tgeneralizado ampliamente en las ciencias Sociales, especificamente en la medicién de la pereepeiin de los informantes respecto. eterminada realidad, tal es ol caso de la Psicologia al estudiar” el comportamiento Thumano de manera cuaitative, asi como también, la Investigacin de Mereado al aplicsr ccuestioarios pata medir el grado de Satisficcién de’ los clientes, En presente acu, se explora la utlizacion. do la ‘orrlacin policrica en el aniisis de fatores ‘Son gatos ordnaler considerando corrlaciones ‘Se varables subvaconies 3 ss observadss, con Tas que se espera oblener una mayor cexplicacién dela varanza de los datos 2. METODOLOGiA. [En este trabajo se inieié con la revision de los rmétodos uilizados en el andlsis de factores @ parr de datos erdiales, lo cual condujo @ Sescubrit Ia importancia de una_adecuada ‘stmacion de la correlacién en este po de «studios. En este sentido, se tomé como punto de partida la corelacion fevacbrica propucsta or Pearson en 1901 para vatables Sicotémicas; culminando con Ia. respectiva ‘generalizacion para variables politimicas, que ‘& la denominada corelaciGn policdica. Se presenta la explicacion de un método para la ‘stimacion del_coeficiente de conslaci policrica, modianle Ja maximizacion dela funcion de verosimiltud dela muestra, dond= Tomer ran HCP DpamyMarc Irrmosepetedie, Cana Tad” Cece Nuala Matec B3P00 Tomah Sotelo Cues en primera instancia se esimaron los unbrales de las variables. latentes que siguen una diseibucidn normal estinar y ego se ealeul6 la cortelacion, Finalmente, con los datos del Estudio ‘Transversal de Satisfaccién al Cliente del Deparamento de Postgrad de una uuniversdad, realizado por Plata (1), 2 ealelaron tas. correspondientes. corelaciones de Pearson y Polivéicts para identificar diferencias entre elles, y, se compard el pporcentaje de la variabildad explicada en el Bliss de factores, 3. VARIABLES ORDINALES Y ANALISIS DE FACTORES I vso de variables ordinales es muy comin para medir percepcién respecto a diferentes ‘Sreunstancias de smbito socal, siendo ast gue pueden definise categorias con la finaidad de fraduar la calificasion dol informante respecto su. satifaceinfente a determinada ‘caracteristica, Para el efecto, se estila usar fescalas que asignan valores eneros a cada categoria, fales como la escala de Likert, vease ‘Tabla Bajo este mismo esqueme se puede definir un gran conjunto de variables a ser analizadas de forma univariada y mulivariada, donde para el[M.RAMOS, W. PLATA aso ilkimo a tenica__estaisticn frecuentemente usada es el anilisis factorial ceuyo objetivo es reducir la redundancia entre las variables empleando un pequedo nimero de factores [2]. Olsson [3] most que la aplicacién dol aniiss de fatores con datos, iscrtos pusde conduct inferencas emineas. especial nimem de (asones ya estimaciones -sesguds de las cargos de los Taio, lo cual ‘se atribuye a la estimacion sesgada de’ las correlaciones 4, ESTIMACION DEL COEFICIENTE DE CORRELACION POLICORICA. ientificado por Olsson respecto a la cstmacion sesgads de las correlaciones en el anilisis de factors, se introduce el estudio de ‘que existon variables no-observables (tenes) Siendo a, y by los umbrales de as variables ondinaes x ey. respectivamente, tal qu: uh Con las variables ordinales se constrye una Tabla de Contingencia, que consiste en un aroglo rectangular de % rceldas, donde cada tuna de ellas representa Tas frecuencias cobservadas para la distrbucién conjunta de las variables x e y,a partir de las cuales subyacen 8 variables fatentes§ y 7 con sus respestivos tumbles a yb, véase TABLA, e—nauraleza conti, normalmente ‘istibuidas, sobre Tas cuales se han construida variables ordinales observables, euyas opciones de respuesta se corresponden con umbrales en el dominio continuo dela latentes, este tipo de ‘orelacin es usada en andiss de Tatores que involucre variables puramente ordinales segin Richaud (4) Sean x © y dos variables ordinales cuyas ‘opciones de respuesta (catogorias) estin dadas por r y's respecivamente: y, sean fy 17 lis orrespondientes variables. latentes “normales bivaradas, bajo estas condiciones, los umbrales cen el dominio continuo se defnen como sigue, ‘Olsson [3 Para. seta len seh aas tea Para 8 NO yt, ‘ELpuoblema a tssoluer consis en calcular la ‘sorslacidn policirica como una medida. dela felaci lineal ene is variables ltentes € Esta correlacién constituye una generlizacion de a comrelacion tetracérica inieoducida por Pearson en 1901 [6], para tablas de contingencia de orden 2 x 2, En este sentido, la corrlaciin policérica p es una medida que se obtiene a pani de Ia distibucion acumulada ‘normal bivarads Exp.) oonscorfanerot]' [fel 5"T aay ‘A manera de ilustracién de Exp. (I) se presenta FIGURA | Norma Biaradn @ (1010; 08)‘CORRELACION POLICORICA EN EL ANALISIS DE FACTORES CON VARIABLES ORDINALES Sean Zurita [7], la distibucién conjunta de lune muesira se le considere como une funcion {de parimetis de la. poblacién, denominada Funcion de Verosimalitd de It Mucse, lo cual cen general se utiliza para la estimacion de los parimetros que identfican a una poblacién. Considerando las frecuencias lustadas en la TABLA Il y teniendo como propésito la cstimacin de la correlacién policérica p y de os umbrales a, y bj, la funcidn de verosimilitud de la muestra para este caso particular est dada por Exp. 2) 2348 JAZ BAe TL] Be Coma la) Donde, ¢ es una constante, ny representa la Jreevensiaobservada en i Seda ubieada en le ‘ésima fila y -fsimacolumaa; mientras que, yy ¢5 le probabilidad de que una observacion ga on la antes refrida cold, tl qu: Exp.) y= (0b) — Wyle nb)~ Oy (aubs)* C0 En Exp. (3) ®, comesponde a la distibucién cumulada normal bivariada con corslacion p. ‘A fin de faciltar la manipulacion de las fxpresiones matemiticas, cominmente se aplica ef logaitme natural a ambos miembros cen Exp. 2), con lo cual se obtiene Exp.) = IMC als) IT Siendo Exp (4) la expres generalizada_que esl Teacian imo = Tunein de verosimlitd de la muestra Con el fin de determinar los valores de fos parimetrosp, ay by, que maximizan a funcién ‘Se_verosimiltud, “se provsde a derivar pprcialmente Exp. (4) con respecto a py Hnuslar esta devivada a cero, 9 Exp.) (lee) ~talannd) ~halendu+ ol Soe La expresion (5) depende de ta funcién de densidad normal bivariads con corclaciénp, fque a su ver proviene de la devivada de le diseibucibn acumalada , Debido a Ia complejidad’ de tos edleulos al tslimar simulténesmente todos los parimetros, fe recurre aun método en cual en primera instaneia se estiman lot umbrales a; ¥ By, @ pattir de las marginales proporcionadas por Ia Tabla de Contingencia (TABLA ID, donde m= yy trig tot Mes Be comesponde a Ta uma de las freewenclas de la iésima fl amy, Py es la sume de fecuencias de la j-Ssima columna dividida para nm Los umbrales aj y by representan os percentiles de la Distibucidn Aeumolada ‘Normal Estindar, Martinson, E. & Hamdan, M Is Exp. (6) = 8708) Uns ver estimados los umbraes, pars calcular sl coeficiente de correlaciéa poicéicap, se resuelve el sistema de eouaciones generado por Exp. (6) através de métodos numericos que 32 implementan en solware compalacionales,5. CORRELACION DE PEARSON YS. CORRELACION POLICORICA I andlisis de Factores tiene coma insume la ratrz de correlaciones de las variables a ser ‘nvestigadas, Tal como se expicd en la secign 53 de presente arielo, al trabsjar con variables fordinales pueden surgit eres en lt estmacin de Tos fectres y sus carga, or tal ‘motivo, en este apartado se utiliza la matiz ée corrlacin polidrica en el andlisis factorial de variables ordinales diseiadas para medir la satistaccin al clicte en el Departamento de PPosigrado de una universdad del Feuador. Para cl efecto se defnis una esala de Likert de 1 a 5, donde el clinte debié ordenar su respuesta especto a su grado de satisfaceidn en cuanto @ diferentes aspectos 0 dimensiones, véase TABLA. Tp ae rescind Sea Anis Vor 5 r Se aplied un andlisis de factores exploratorio a las dimensiones mostrdas en la TABLA IV, con la finaidad do identiicer un nimero reducido de variables que carctericen a cada ‘uno de los aspectos considrados; con este fin, 2 tomé como punto de partis la mate de ‘orrlacibn polionce La antes teferida matrix fue caleulada en el software esiadistico R usando el comando “petcor” dela fibreria “polycor’s yy paralelamente se reali el andlisis de factores ‘asando el objetivo de evidencar diterencias ente fos Doreentajes de varianza explicads para cada ‘imensign, véase TABLA V. ‘matric de conclacion de Pearson con Dinoain aso 54208 TFrsacion dt Sexig—— ‘epson eae or rete ELSE ‘apse cade poe enare save A a ton 030% De ls TABLA V. se deduce que les ‘correlaciones poliosricas iicrea. de’ las de Pearson sn cuanto al porentaje de_varianza cxplicad® en el ands fsctorisl, eto se debe @ {ue las conelacones polidriess son mis altas or ser calculadas en base a variables ltentes normales bivanadas Para usta esta tina sfirmacion se-muestan las comparaciones entre corelaciones de custo satiablee correrponientes a Ja dimension Relacién con la Alta Diceccibn, Véase TABLA VL ara todos los cates de Ia TABLA VI la correlacin policérica resulté mayor a la de Pearson. Como se observa Ins diferencias no son signficativamente grandes para los datos analizados; sin embargo, Ia aplicacin_de la -contlacién polisirica en el anilisis de fistres. ‘con variables ordnalesevigencis ganancias en ‘sLnoreentaje de expicaciin dela vatianza, lo ‘al revilla beneticioso para cate tipo de estios‘CORRELACION POLICORICA EN EL ANALISIS DE FACTORES CON VARIABLES ORDINALES 6. DISCUSION ‘Tal coma sostine Olsson [3], en cl anliss de factores se puede cometer errores en lt cstimacién de las corelaciones, siendo uno de los la subestimacién de dichas corelaciones, como se evideneié con el objeto de estudio prictico de este aticulo, cumdo al calcular las corelaciones de Peatson, és. resultaron renores gue las corelaciones policéricas, las ‘ismas gue en el anlisis de factoresafectaron posivamente en el inetemento de la cexplicacén de la variabilidad de los dates. ‘Aun cuando el méiodo de cstimacion de ‘ixima verosimiltud anlizado en este trabajo demanda exigentes célevlos matemiticos, el ‘so de un Tenguaje de progeamacién como R reduce significativamente el tiempo y ‘complejidad de las estmaciones propussas por Martinson, E, & Hamdan, M. [8] a 7. CONCLUSIONES con datos que involueren variables que responden 2 un tipo de escala ordinal, tal como la escala Likert, esula esencial en eb ili el so _de_coreclaziones policies a _fig_de obtener el_miximo poreenise d2cxplicacidn de a vaiana. A nivel de resultados se evidonci6 quo el ‘ileulo de las correlaciones poicércassugiere, fen general, mejores estimaciones que las de Peatson La intencién final de este articulo ha sido promover ene Tos investigadares interesados fn estudiar variables de indole pcometrco la incorporacién dsl uso delet corclaciones polibricas en sus metodologia de andlisis fstadistion de datos com fobusteser las exm a fo) 4 [REFERENCIAS BIBLIOGRAFICAS ¥ ELECTRONICAS PLATA, W. @2014). “Diseto de un Sistema de Gestia de la Calidad para ua Departamento de Postgrado", ESPOL, Guayaquil Rewador RENCHER, A. (2002), “Methods of Multivariate Analysis", Segunda Edicié, John Wiley & Sons Ine, USA, OLSSON, U. (1979) “On the robustness of factor analysis agsinst rude classiication of the observations Behavioral Research, 14, 485- RICHAUD, M.C. (2008), “Desaroos ‘del anliss factorial para el estudio de item dicotimicos y ordnales”. Revists Interiseiplinaria, 22(2), 237-251 2 151 i) nm i) OLSSON, VU. (1979). “Maximum likelihood timation of the polychoric cortclation coefficient”, Psychometrika, 4, 443-460. PEARSON, K. (1901), "Mathemati contributions to the theory of evolution VIL On the correlation of character not quantitatively measurable" Philos. Trans IR. Soc, Lond. Ser. A Math. Phys, Eng Sei, 195, I-47. ZURITA, G. (2008), “Probsblidad y stadistca: Fundamentos y Aplicaciones", Primera icin, Escuela Superior Polienica del Literal, Guayaquil, Ecuador. MARTINSON, F. 0. & HAMDAN, M. ‘A. (1915). "Calculation of the polyetorie festimate of conelation in contingeney tables". Applied Statistics, 24, 272-278