Indicadores de KMO y Bartlett

Tomando en cuenta que el resultado de la prueba KMO es superior a 0.7, se puede suponer que
el análisis de factores es viable.

Igualmente, dado que el resultado de significancia en la prueba de Bartlett es menor a 0.05

también se indica viabilidad en el análisis.

Número de factores propuestos y que variación se logró explicar

En la tabla anterior podemos ver que con dos factores/ecuaciones se logra explicar el 87.8% de
la varianza. Prácticamente explica todo con los primeros dos factores.

Esta gráfica muestra el

análisis anterior de
manera visual. Podemos
observar que los
primeros 2 componentes
tienen un valor por
encima de 1
Componentes

Tomando en cuenta que las variables no tienen nombre

dentro del archivo original de “Diseño_Auto.sav”, no
podemos atribuirles nombres descriptivos a los nuevos
componentes. Sin embargo, podemos identificar que debido
a que sus valores son mayores a 0.5, el componente uno
agrupa las variables 1-5 y el componente 2 incluye la variable
5 y la 6. Eso significa que la variable 5 queda en más de una
dimensión. Debido a que el valor de la variable 5 es mayor
dentro del primer componente, se mantiene en el primero y
se elimina del segundo.

Máxima Verosimilitud
Al utilizar la técnica de máxima verosimilitud se hace un análisis mucho mas exigente de los
datos, logrando tener resultados mas precisos. A pesar de eso, muchos de los resultados
arrojados fueron similares al análisis anterior de componentes principales. Por ejemplo:

A pesar de que se logra explicar un porcentaje menor de la varianza a comparación de los

resultados del análisis anterior, igualmente se puede una gran parte explicar con dos factores.

En cuanto a componentes, los resultados son similares, con una

diferencia en el valor de la variable 5. En este caso el factor 1
integra las variables 1-4 y el factor 2 integra variables 5-6.