TÉCNICAS ESTADÍSTICAS MULTIVARIANTES I. 6 de Noviembre de 2020.

Apellidos y nombre:

1. Preguntas breves

a) ¿Cuál es el significado de los autovalores en A.F.?

b) Si F i y F j son dos factores obtenidos en un A.F. ¿Cuánto vale la Covarianza
entre ambos? ¿Y la Varianza de cada uno de ellos?
c) A partir de la matriz de saturaciones con la matriz de correlaciones ¿Cómo
obtendrías:

i. Las Comunalidades de las variables iniciales?

ii. Las varianzas de las variables iniciales?
iii. Las correlaciones entre las variables iniciales?

d) ¿Cuál es el objetivo de la rotación de los factores en A. F.?

e) ¿Cuándo puedo estimar las saturaciones o cargas factoriales por el método de

máxima verosimilitud?

2. Los Factores Comunes y los Factores únicos

a) ¿Son variables o parámetros?

b) ¿Cuánto vale la Esperanza y la Varianza de los Factores comunes?
c) ¿Y de los factores únicos?
d) ¿Y la Covarianza entre Factores Comunes y Factores únicos?

3. Consideremos las matrices A , B y C, siendo A matriz de cargas o saturaciones de

un Análisis Factorial antes de rotar

A B C

F1 F2 F1 F2 F1 F2
X1 0.602 0.2 X1 0.484 0.411 X1 0.484 0.411
X2 0.467 0.154 X2 0.375 0.319 X2 0.375 0.319
X3 0.926 0.143 X3 0.603 0.717 X3 0.603 0.717
X4 1 0 X4 0.519 0.855 X4 0.5 0.5
X5 0.874 0.476 X5 0.861 0.499 X5 0.861 0.499
X6 0.894 0.327 X6 0.744 0.594 X6 0.744 0.594

a) Identificar entre las matrices B y C, la matriz de saturaciones después de rotar.

b) ¿Cuánto vales la varianza de 𝐹2 antes y después de rotar?

1
TÉCNICAS ESTADÍSTICAS MULTIVARIANTES I. 6 de Noviembre de 2020.

c) ¿Y la comunalidad de𝑋3 ?
d) ¿Cuál es la proporción de Varianza explicada por los Factores Comunes?

4. El fichero contaminación.xlsx contiene datos de distintos paises . Para reducir el

número de variables e intentar encontrar relaciones, tanto entre variables, realizar
los siguientes apartados.

a) A partir del A. F. responde a las siguientes preguntas:

i) ¿Qué variables desaconsejarías su inclusión a partir del examen de las

comunalidades? Quítalas del estudio.

ii) ¿Cuántos factores vamos a retener? (justifica tu respuesta con un método

de extracción)

iv) ¿Qué porcentaje de la varianza queda explicado con estos factores?

iv) ¿Se podría utilizar el método de máxima verosimilitud?

b) Calcular la comunalidad de la variable CO”_transp a partir de los factores.

d) ¿Qué variables presentan una especifidad superior a 0.3? (Indica sus valores)

e) ¿Qué variables definen cada uno de los factores?

f) Realizar una rotación por quartimax. Sobre este análisis contestar los
siguientes apartados.

i) Comentar el resultado de los gráficos que representan la relación entre las

variables y los Factores (Plano Factorial) intentando interpretar el
significado de los nuevos Factores (Nombra los factores).

ii) Diferencia entre la varianza explicada por el factor2 y por el factor2 rotado.

iv) Sobre los gráficos que representan las observaciones en los nuevos ejes,
comentar la situación de los distintos paises, explicando el comportamiento
de estos en los factores 1 y 2.

g) Si se recomienda retener aquellos factores cuyo autovalor sea superior a

𝑡𝑟𝑎𝑧𝑎(𝑅)
0,7 ∗ :
𝑝

h) ¿Cuántos factores vamos a retener?

ii) Compara el RMSR global y de cada una de las variables de este modelo
con el anterior. ¿Qué ajuste global es mejor?

2
TÉCNICAS ESTADÍSTICAS MULTIVARIANTES I. 6 de Noviembre de 2020.

5. A 50 policías de un departamento de comisaría se les hacen ciertas

mediciones físicas. Los datos son los siguientes:

data policias (type=corr);

format _NAME_ $20.;
input _NAME_ $ estatura ancho_espalda ancho_pelvis
espesor_piel_muslo pulso_reposo
flexiones_brazos pulso_esfuerzo grasa_corporal;
_type_='CORR';
cards;
estatura 1.0000 0.4823 0.5859 0.2219 -0.1815 -0.2760 -
0.121 0.3651
ancho_espalda 0.4823 1.0000 0.4081 0.2001 -0.0126 -0.2473
0.1658 0.2541
ancho_pelvis 0.5859 0.4081 1.0000 0.2058 -0.3229 -0.1582 -
0.2069 0.4132
espesor_piel_muslo 0.2219 0.2001 0.2058 1.0000 -0.0033 -0.6696
0.2074 0.8432
pulso_reposo -0.1815 -0.0126 -0.3229 -0.0033 1.0000 0.1548
0.5039 -0.0948
flexiones_brazos -0.2760 -0.2473 -0.1582 -0.6696 0.1548 1.0000 -0.0602
-0.6914
pulso_esfuerzo -0.121 0.1658 -0.2069 0.2074 0.5039 -0.0602
1.0000 0.0666
grasa_corporal 0.3651 0.2541 0.4132 0.8432 -0.0948 -0.6914
0.0666 1.0000
;
run;

a) A partir del A. F. responde a las siguientes preguntas:

i) ¿Cuántos factores vamos a retener? (justifica tu respuesta con un método

de extracción)

ii) ¿Qué porcentaje de la varianza queda explicado con estos factores?

b) Realizar una rotación por varimax. ¿Qué variables definen cada uno de los
factores?

Códigos de SAS:

Ejercicio 4:

LIBNAME MULTI 'E:DIRECCIÓN';

PROC FACTOR
data=
COV
SIMPLE
MSA
METHOD= /*PRINCIPAL PRINIT ML*/
PRIORS= /*ONE SMC*/
ROTATE= /* VARIMAX QUARTIMAX ...*/
N=

3
TÉCNICAS ESTADÍSTICAS MULTIVARIANTES I. 6 de Noviembre de 2020.

REORDER
RESIDUAL
OUT=TABLA1
OUTSTAT=TABLA2;
VAR

;RUN;

%PLOTIT(DATA=TABLA1
, plotvars=Factor1 Factor2
, labelvar=?????
, href=0, vref=0);

PROC TRANSPOSE DATA=TABLA2 OUT=SALIDA;

WHERE _TYPE_='PATTERN';RUN;
PROC PRINT DATA=SALIDA;RUN;

%PLOTIT(DATA=SALIDA
, plotvars=Factor1 Factor2
, labelvar=_name_
, href=0, vref=0);

Ejercicio 5:

PROC FACTOR
DATA=
ROTATE=VARIMAX
REORDER;
VAR
;RUN;

Poner los nombres de las variables en log:

proc contents data=PARCIAL out=nombres; run;

data _null_;
set nombres;
put name;
run;