Control 5 - pauta

Análisis Factorial
Tenemos las razones de retorno semanales de 5 stocks listados en el New York
Stock Exchange: JP Morgan, Citibank, Wells Fargo, Royal Dutch Shell y Exxon-
Mobil determinados para el periodo comprendido entre enero 2004 y diciembre
2005 (103 semanas). Las tres primeras empresas pertenecen al sector bancario
y las dos segundas al sector petrolífero. Por lo tanto, ellas se desempeñan en
diferentes mercados. Las razones de retorno semanal son calculadas como sigue:

𝑃𝑟𝑒𝑐𝑖𝑜 𝑑𝑒 𝑐𝑖𝑒𝑟𝑟𝑒 𝑠𝑒𝑚𝑎𝑛𝑎𝑙 𝑎𝑐𝑡𝑢𝑎𝑙 − 𝑃𝑟𝑒𝑐𝑖𝑜 𝑑𝑒 𝑐𝑖𝑒𝑟𝑟𝑒 𝑠𝑒𝑚𝑎𝑛𝑎𝑙 𝑎𝑛𝑡𝑒𝑟𝑖𝑜𝑟

𝑃𝑟𝑒𝑐𝑖𝑜 𝑑𝑒 𝑐𝑖𝑒𝑟𝑟𝑒 𝑠𝑒𝑚𝑎𝑛𝑎𝑙 𝑎𝑛𝑡𝑒𝑟𝑖𝑜𝑟

Se presentan la tabla de datos y los resultados de un análisis factorial donde la

estimación ha sido obtenida por máxima verosimilitud. Responda las siguientes
preguntas.

1) ¿Cuál es el objetivo de Análisis Factorial? (0,5 puntos)

Medir variables latentes a través de variables observables o medibles

directamente.
2) ¿Qué es una variable latente? (0,5 puntos)

Variable que no puede ser medida directamente sin la utilización de variables

intermedias para ello.
3) Explique la diferencia entre un análisis confirmatorio y exploratorio. (0,5
puntos)

En un análisis exploratorio no es conocido el número de variables latentes a

buscar. En un análisis confirmatorio si es conocido el número de variables
latentes a buscar.
4) De acuerdo a las correlaciones entre las variables estudiadas (Tabla 1),
¿cuántos factores esperaría encontrar que expliquen la variabilidad de
las X?. Explique por qué. (0,5 puntos)

De acuerdo a la matriz de correlaciones serían 2 factores pues existen 2 grupo

de correlaciones parecidas.

5) ¿Qué estructura de covarianzas para x implica el modelo factorial

ortogonal? (0,5 puntos)

1
 6) Interprete la estimación de loadings o cargas para cada uno de los
factores, las comunalidades y varianzas específicas (Tabla 2). (1,5
puntos)
Loadings es la covarianza entre la variable y el factor, en este caso por ejemplo
la covarianza entre la variable JP Morgan y el factor 1 es 0.763
Comunalidad es la proporción de varianza de la variable explicada por los m
factores. Por ejemplo, en este caso la variable JP Morgan es explicada en un
58% en los dos factores considerados.
La varianza específica es lo no explicado por el modelo, en este caso por ejemplo
JP Morgan es un 42% no explicado en los dos factores considerados.
7) ¿Qué ocurre con la comunalidad de las variables al aumentar el número
de factores en un modelo factorial? (0,5 puntos)
Aumenta, pues es mayor el porcentaje de varianza capturado por el modelo.
8) Explique cuál es la diferencia entre la varianza explicada por cada uno
de los factores y la comunalidad. (0,5 puntos)
La varianza explicada por el factor es la global al considerar las variables que
formar el factor, en cambio la comunalidad es la varianza específica de cada
variable por loe m factores considerados.
9) Dibuje el diagrama de trayectoria para el modelo seleccionado. (1 puntos)
Hacerlo de manera análoga al de clase.

2
Tabla 1 Matriz de correlaciones

JP Morgan Citibank Wells Fargo Royal Dutch Shell Exxon Mobil

JP Morgan 1 0.632 0.511 0.115 0.155
Citibank 1 0.574 0.322 0.213
Wells Fargo 1 0.183 0.146
Royal Dutch Shell 1 0.683
Exxon Mobil 1

Tabla 2 Estimación de los coeficientes o cargas (loadings), comunalidades y

varianzas específicas

Solución sin rotar Solución rotada Comunalidades Varianza Específica

Variables Factor1 Factor2 Factor1 Factor2
JP Morgan 0.121 0.754 0.763 0.58 0.42
Citibank 0.328 0.786 0.819 0.232 0.73 0.27
Wells Fargo 0.188 0.65 0.668 0.108 0.46 0.54
Royal Dutch Shell 0.997 0.113 0.991 0.99 0.01
Exxon Mobil 0.685 0.108 0.677 0.47 0.53

Varianza explicada 0.324 0.322 0.345 0.301

Varianza acumulada 0.324 0.646 0.345 0.646