ANDREA PALACIOS MIGUEL 20070983

EXAMEN PARCIAL

A) Para determinar la posibilidad de una analisis factorial exitoso se realiza un análisis prelimin
KMO y prueba de Bartlett Medida de adecuación muestral de Kaiser-MeyerOlkin. Prueba de Chi-cuadrado aproximado esfericidad de Bartlett gl Sig. .764 285.049 28 .000

considerando el Test de Bartlett con Sig. = 0. dos variables asociadas, lo que determinaría

Considerando el KMO=0.764 > 0.6 y mdiante la prueba de MSA (antim lo que indica que ninguna variable

Matrices anti-imagen

Correlación anti-imagen

Item1 Comunicación entre colegas de la empresa Item2 Comunicación con clientes Item3 Nivel de salarios en relación a otras empresas Item4 Comunicación con superiores Item5 Manejo de la empresa en relación a la competencia Item6 Oportunidades de desarrollo profesional Item7 Oportunidades de ascenso Item8 Oportunidad/rapidez en toma de decisiones empresariales

Item1 Item3 Nivel Comunicació Item2 de salarios Item4 n entre Comunicació en relación a Comunicació colegas de la n con otras n con empresa clientes empresas superiores .800 -.326 -.014 -.448 -.326 -.014 -.448 .051 -.084 .071 -.061 .817 -.169 -.336 -.132 -.072 .156 -.071 -.169 .745 .076 .186 -.267 -.150 -.109 -.336 .076 .798 -.124 -.139 -.140 .052

Por lo tanto convendría realizar un AF puesto que las puebras preliminares arrojan l y con alto poder explicativo.

B) Para determinar el numero de dimensiones básicas aplicamos los sigueintes métodos:

Varianza total explicada DE LA MUESTRA Sumas de las saturaciones al cuadrado Autovalores iniciales de la extracción Componente 1 2 3 4 5 6 7 8 Total 3.410 1.371 1.095 .741 .452 .341 .321 .269 % de la % varianza acumulado 42.620 42.620 17.140 13.686 9.261 5.651 4.262 4.012 3.368 59.760 73.446 82.708 88.358 92.620 96.632 100.000 Total 3.410 1.371 1.095 % de la varianza 42.620 17.140 13.686

Según el metodo de Kais No obstante según el mé componentes pues estos

según el metodo de análi La varianza de la primera la varianza del tercer com esta ultima no es tomado

según el grafico de Catel sin considerar ella podría

044 -.061 -.071 -.072 -.027 .044 -.156 -.05.008 .150 -.769 -.497 .461 -.000 < 0.764 > 0.051 -.027 -. observamos que todas correlaciones de las variables tienen un va dica que ninguna variable es aislada.461 .267 -.084 .071 -.140 -.052 -.124 .186 -.107 .107 -. = 0.682 -.109 . n Item8 Oportunidad/ Item5 Item6 rapidez en Manejo de la Oportunidad Item7 toma de empresa en es de Oportunidad decisiones relación a la desarrollo es de empresariale competencia profesional ascenso s .139 -.132 .701 -.6.008 -.e realiza un análisis preliminar para reconocer la presencia de factores o el Test de Bartlett con Sig. observamos que la prueba tiene por lo menos s asociadas. lo que determinaría al menos un factor común ando el KMO=0.685 as preliminares arrojan la presencia de por lo menos un factor s sigueintes métodos: . podemos notar un alto poder explicativo e la prueba de MSA (antimiagen.497 .

945 11.114 9.695 93.949 16.819 100.546 11.949 16.546 33.760 73.271 48.saturaciones al cuadrado e la extracción % acumulado 42.620 59. en suma llegan ser > 50%) según el metodo de análisis paralelo de Horn: La varianza de la primera y segunda componente resulta ser mayor que la varianza del azar.889 .581 84. En tal caso se hablaría de DOS componentes según el grafico de Catell la pendiente parece inclinarse a nivel de la cuarta componente sin considerar ella podríamos habalr de la presencia de tres componentes .306 1.956 .306 1.356 1.000 Total 1.321 14.636 73.949 16. Pero a varianza del tercer componente es menor que la varianza del azar. es suficiente con DOS componentes pues estos.321 14.181 33.949 16.090 61.186 1.819 13. Por lo tanto esta ultima no es tomado en cuenta.124 6.084 .494 % de la % varianza acumulado 16.271 48.084 % de la % varianza acumulado 16.186 1.819 13.090 61.730 . No obstante según el método de % minimo de varianza explicada.356 1.446 Varianza total explicada AL AZAR Sumas de las saturaciones al cuadrado Autovalores iniciales de la extracción Total 1.636 Según el metodo de Kaiser ( VARIANZA > 1) tenemos TRES componentes.

6 .las variables tienen un valor >0.

ciente con DOS la varianza del azar. Pero lo tanto onentes rta componente .

777 .467 2 -.527 .C) Matriz de componentesa Componente 1 Item1 Comunicación entre colegas de la empresa Item2 Comunicación con clientes Item3 Nivel de salarios en relación a otras empresas Item4 Comunicación con superiores Item5 Manejo de la empresa en relación a la competencia Item6 Oportunidades de desarrollo profesional Item7 Oportunidades de ascenso Item8 Oportunidad/rapidez en toma de decisiones empresariales .527 .729 .200 -.133 -.245 .818 .200 -.496 .765 . no obstante observamos que en dicha matriz el tercer componente por lo que no constituye un buen compomente debido a ello consideramos un analisis con dos componentes y obtenermos lo siguiente: Matriz de componentesa Componente 1 Item1 Comunicación entre colegas de la empresa Item2 Comunicación con clientes Item3 Nivel de salarios en relación a otras empresas Item4 Comunicación con superiores Item5 Manejo de la empresa en relación a la competencia Item6 Oportunidades de desarrollo profesional Item7 Oportunidades de ascenso Item8 Oportunidad/rapidez en toma de decisiones empresariales .450 .312 .133 -. Para poder determinar con D) considerando dimensiones: para determinar si realizamos una rotación varimax u oblimin observamos la matriz d Matriz de correlaciones de componentes .461 .765 .546 .054 -.729 .546 .474 .548 -.129 .323 .420 -.598 -.425 en este caso observamos dos componentes más diferenciados pero tenemos ciertos inconvenientes al determinar a que dim posee carga factorial significativa en ambas componentes.548 -.467 2 -.461 .317 .474 .450 .818 .425 3 -.592 al inicio Spss nos arroja una matriz de tres componentes.245 .777 .598 -.

Mínimo Máximo Rango Amplitud intercuartil Asimetría Curtosis dimension_2 Media Intervalo de confianza para la media al 95% Límite inferior Límite superior Estadístico 17.629 2 .1524 17.0287 . típ.Componente 1 2 1 1.766 .304 .5000 18.054 .000 Matriz de componentes rotadosa Componente 1 Item1 Comunicación entre colegas de la empresa Item2 Comunicación con clientes Item3 Nivel de salarios en relación a otras empresas Item4 Comunicación con superiores Item5 Manejo de la empresa en relación a la competencia Item6 Oportunidades de desarrollo profesional Item7 Oportunidades de ascenso Item8 Oportunidad/rapidez en toma de decisiones empresariales .00 -.268 1.307 .149 12.801 .00 19.491 .392 -.0000 15.033 .042 .714 .3600 16.729 .053 dinámica de desarrollo de la empresa oportunidades para los trabajadores e) NORMALIDAD Descriptivos dimension_1 Media Intervalo de Límite confianza inferior para la Límite media al superior 95% Media recortada al 5% Mediana Varianza Desv.99373 6.000 .723 .795 -.268 2 .00 25.5676 18.950 3.279 .730 .00 5.3313 13.6800 12.

Media recortada al 5% Mediana Varianza Desv.7778 13.107 . Mínimo Máximo Rango Amplitud intercuartil Asimetría Curtosis 12.0000 3.074 Pruebas de normalidad Kolmogorov-Smirnova dimension_1 dimension_2 Estadístico .00 2.007 .Smirnova observamos que las dimensi los graficos constatan dicho hallasgo (se encuentran aseparados de las lineas) por lo trabajamos con medianas .75741 8.139 gl 100 100 Sig.00 -.534 -.088 1. típ.00 15. .000 según las pruebas de normalidad Kolmogorov.00 7.

dicha matriz el tercer componente esta conformado solo por una variable nvenientes al determinar a que dimensión pertenece el item 7 ya que ra poder determinar con claridad a que dimension pertenece realizamos una rotación: observamos la matriz de correlaciones de componentes y vemos si resulta una corrlación grande .

observamos que la correlación resulta ser pequeña por lo que trabajamos con la rotaación varimax Una vez aplicada la rotación observamos una distinción más clara de las dimensiones contamos. 4.17574 .5.241 . 6 y 7 lo que indica que cuanto más puntaje obtengan en dicho items mas desarrollado estara dicho clima laboral Error típ.478 . entonces con dos dimensiones los items que corelaiconan con el primer componente son los items 1.39937 . lo que indica que cuanto más puntaje obtengan en dicho items mas desarrollado estara dicho clima laboral los items que corelacionan con el segundo componente son los items 3. .8. 2.

478 Shapiro-Wilk Estadístico .029 . .241 .000 rvamos que las dimensiones no son normales os de las lineas) por lo tanto .921 gl 100 100 Sig..972 .

orrlación grande .

.

.

360 26.360 47.525 4.894 99.708 91.789 2.789 2.223 73.197 3. en suma llegan según el grafico de Catell la pendiente p sin considerar ella podríamos hablar de NO seria suficiente con un promedio para representar bien la competitividad pues se observa que la prueba mide la presencia de más de un SOLO componente.277 . hay DOS componentes b) Matriz de componentesa Componente 1 2 .700 .970 .a) Varianza total explicada Sumas de las saturaciones al cuadrado Autovalores iniciales de la extracción Componente 1 2 3 4 5 6 7 8 Total 3.233 95.000 Total 3.336 .098 % de la % varianza acumulado 47.360 47.033 % de la % varianza acumulado 47.056 .584 85.464 .593 100.430 98.442 .360 26.584 Según el metodo de Kaiser ( VARIANZA > No obstante según el método de % minim componentes pues estos.124 5.098 .223 12.407 73.

573 .855 .18 55.94 51.51 45.12 43.94 56.96 37. el sector más competitivo se sofware y el menos competitivo sería el de textiles .05 56.89 51.61 61.01 57. mayor accesoa tec retención de trabajadores.644 .94 T2 50.88 56. indice de participacion en el mercado.21 59. mayor nivel de salarios.10 54. Orientación hacia el trabajador El componente 1 nos muestra que a mayor presencia de ésta.615 -.473 -. nivel de salarios y capacidad de finaciameinto en recursos inte c) RANKING DE CASOS Resúmenes de casosa Sector Software Lencería Comidas Eletrodomést ico Cosmética Cosmética Agro Carnes Mecánica_au tos Electrónica T1 62.689 .501 -.30 Según el Ranking hallado.27 44. nos plantea que mayor presencia de ésta. acce El componente 2 .688 nivel de competitividad general nivel de copetitividad en recursos como empresa vs.96 56. mayor indice de capacidades mayor uso de internet.227 .251 .87 43.516 .830 .672 .635 . en cambio.48 67.71 55.Indice de capacitacion es a personal Retención de trabajadores Uso de internet Nivel de salarios Capacidad de finaciamiento con recurso interno Indice de participación en el mercado Acceso a tecnología de punta Uso de tecnología .068 -.826 .

Cueros Zapatería Textiles 43. posee un prmedio del al contrario electronica posee un puntaje alto en componente 2 y promedio en el uno .78 27.20 37.09 d) en el mapa perceptual podemos observar que textil posee una menor competitividad general p en un promedio respecto a su competitividad en recursos como empresa (componente 2) por otro lado.59 50.17 34. el area de sofware se encuentra con mayor competitividad general (la mayor com tambien en promedio respecto a su competitividad en recursos como empresa (componente 2) e) mientras que el sector de lenceria posee un bajo nivel del componente 2.25 38.

.de Kaiser ( VARIANZA > 1) tenemos DOS componentes. n el método de % minimo de varianza explicada. en suma llegan ser > 50%) e Catell la pendiente parece inclinarse a nivel de la tercera componente podríamos hablar de la presencia de DOS componentes ompetitividad pues se omponente. es suficiente con DOS s estos.

indice de capacidades personales. mayor accesoa tecnologia de punta y tecnologia PERO menor einto en recursos internos ector más competitivo sería el o sería el de textiles . retención de trabajadores on en el mercado. acces a la tecnologia de punta y uso del a tecnología sta.

edio en el uno . posee un prmedio del componente 1.competitividad general pero se encuentra sa (componente 2) ad general (la mayor competitividad) pero mpresa (componente 2) 2.

El AF se usa sobretodo en pruebas psicometricas porque ayuda a bservar si realmente med manifiestas) puede representar los constructos que se desean estudiar (contenido latente. las rotaciones no cambian el numero de factore los componentes permiten identificar el numero de factores presentes c) el analiside componentes permite redistribuir la carga factorial (sobretodo del primer com es el que mas carga acapara) para permitir que las carags se encuentren mejor distribuidas resulte mas facil. n se .a) un KMO contribuye a verificar al valides de constructo debido a que determina el poder explicativo de las variables respecto a los constructos que pretenden represerntar b) se usa el analisid e componente s principales porque es él el que no arroja la vision de cuantos componentes poseee la prueba.

no observable) .determina el poder epreserntar arroja la vision el numero de factores. solo las cargas factriales etodo del primer componente que en mejor distribuidas y la identificación de facotres var si realmente mediantes lo items de un test (variables (contenido latente.

Sign up to vote on this title
UsefulNot useful