Métodos Multivariados para la Investigación

Análisis factorial y
fiabilidad
Elías A. Torres Armas
 Introducción al Análisis Factorial

 La técnica estadística multivariante del análisis factorial ha experimentado una

utilización creciente en la última década en todas las áreas de investigación de
carácter empresarial.

 Se usa para examinar las pautas subyacentes o las relaciones para un amplio
número de variables y para determinar si la información puede ser condensada o
resumida en una serie de factores o componentes más pequeños.
 ¿Qué es el Es una técnica de interdependencia en la que se
consideran todas las variables simultáneamente, cada una
Análisis relacionada con las demás y empleando todavía el
Factorial? concepto del valor teórico, el compuesto lineal de las
variables (Hair, et. Al., 2007. pp. 80).

Aborda el problema de:

Analizar la estructura de las interrelaciones entre un gran número de variables, con la definición de una
serie de dimensiones subyacentes comunes, conocidas como factores .

Lograr dos objetivos:

El resumen y reducción de datos

Al resumir los datos se determinan las dimensiones subyacentes comunes.

Cuando son interpretadas y comprendidas las dimensiones, describen los datos con un número de
conceptos mucho más reducido que las variables individuales originales.
 El Análisis Es la técnica multivariante cuyo propósito es definir la
Factorial estructura subyaciente en una matriz de datos. (Hair, et.
Al., 2007. pp. 80)

Puede lograr su propósito desde una perspectiva:

Exploratoria y Confirmatoria

Exploratoria
Útil para la búsqueda de una estructura entre una serie de variables o como un método de reducción de
datos
Confirmatoria
Es posible que el investigador quiera probar las hipótesis que implican cuestiones tales como qué
variables deberían ser agrupadas en un factor o un número exacto de factores; en estos casos se
requiere de un enfoque confirmatorio, es decir; valorar hasta que punto los datos se ajustan a una
estructura esperada.
 EJEMPLO HIPOTÉTICO DE ANÁLISIS FACTORIAL

Variables BASE DE DATOS

Velocidad de entrega V1 V1 V2 V3 V4 V5 V6 V7 V9 V10
Nivel de precios V2 4.1 0.6 6.9 4.7 2.4 2.3 5.2 32 4.2
1.8 3.0 6.3 6.6 2.5 4.0 8.4 43 4.3
Flexibilidad de precios V3
3.4 5.2 5.7 6.0 4.3 2.7 8.2 48 5.2
Imagen del fabricante V4 2.7 1.0 7.1 5.9 1.8 2.3 7.8 32 3.9
Servicio conjunto V5 6.0 0.9 9.6 7.8 3.4 4.6 4.5 58 6.8
Imagen de fuerza de ventas V6 1.9 3.3 7.9 4.8 2.6 1.9 9.7 45 4.4
Calidad de producto V7 4.6 2.4 9.5 6.6 3.5 4.5 7.6 46 5.8
Nivel de fidelidad V9 1.3 4.2 6.2 5.1 2.8 2.2 6.9 44 4.3
Nivel de satisfacción V10 5.5 1.6 9.4 4.7 3.5 3.0 7.6 63 5.4
4.0 3.5 6.5 6.0 3.7 3.2 8.7 54 5.4
Escala de puntuación gráfica de diez 2.4 1.6 8.8 4.8 2.0 2.8 5.8 32 4.3
centímetros, donde se dibujó una línea y 3.9 2.2 9.1 4.6 3.0 2.5 8.3 47 5.0
2.8 1.4 8.1 3.8 2.1 1.4 6.6 39 4.4
cada extremo se denominaron "pobre" 3.7 1.5 8.6 5.7 2.7 3.7 6.7 38 5.0
(0) y "Excelente" (10); los encuestados 4.7 1.3 9.9 6.7 3.0 2.6 6.8 54 5.9
indican su respuesta haciendo una 3.4 2.0 9.7 4.7 2.7 1.7 4.8 49 4.7
marca en la línea. Luego se mide y 3.2 4.1 5.7 5.1 3.6 2.9 6.2 38 4.4
registra la distancia desde cero (en 4.9 1.8 7.7 4.3 3.4 1.5 5.9 40 5.6
5.3 1.4 9.7 6.1 3.3 3.9 6.8 54 5.9
centímetros) redondeado a un único 4.7 1.3 9.9 6.7 3.0 2.6 6.8 55 6.0
decimal
Crear una base de datos en SPSS
Digite los datos en SPSS
 MATRIZ DE CORRELACIÓN ORIGINAL

Matriz de correlaciones
Variables V1 V2 V3 V4 V5 V6 V7 V9 V10
Velocidad de entrega V1 1.000 -0.484 0.588 0.349 0.514 0.370 -0.347 0.591 0.846
Nivel de precios V2 -0.484 1.000 -0.670 -0.047 0.499 -0.037 0.488 0.032 -0.223
Flexibilidad de lprecios V3 0.588 -0.670 1.000 0.190 -0.080 0.185 -0.289 0.468 0.585
Imagen del fabricante V4 0.349 -0.047 0.190 1.000 0.305 0.759 0.017 0.432 0.602
Servicio conjunto V5 0.514 0.499 -0.080 0.305 1.000 0.338 0.124 0.606 0.624
Imagen de fuerza de ventas V6 0.370 -0.037 0.185 0.759 0.338 1.000 0.023 0.327 0.491
Calidad de producto V7 -0.347 0.488 -0.289 0.017 0.124 0.023 1.000 0.121 -0.189
Nivel de fidelidad V9 0.591 0.032 0.468 0.432 0.606 0.327 0.121 1.000 0.754
Nivel de satisfacción V10 0.846 -0.223 0.585 0.602 0.624 0.491 -0.189 0.754 1.000
 MATRIZ DE CORRELACIÓN DE LAS VARIABLES DESPUÉS DE
AGRUPACIÓN SEGÚN EL ANÁLISIS FACTORIAL

Matriz de correlaciones
Variables V9 V5 V10 V1 V2 V3 V7 V6 V4
Nivel de fidelidad V9 1 0.606 0.754 0.591 0.032 0.468 0.121 0.327 0.432
Servicio conjunto V5 0.606 1 0.624 0.514 0.499 -0.080 0.124 0.338 0.305
Nivel de satisfacción V10 0.754 0.624 1 0.846 -0.223 0.585 -0.189 0.491 0.602
Velocidad de entrega V1 0.591 0.514 0.846 1 -0.484 0.588 -0.347 0.370 0.349
Nivel de precios V2 0.032 0.499 -0.223 -0.484 1 -0.670 0.488 -0.037 -0.047
Flexibilidad de lprecios V3 0.468 -0.080 0.585 0.588 -0.670 1 -0.289 0.185 0.190
Calidad de producto V7 0.121 0.124 -0.189 -0.347 0.488 -0.289 1 0.023 0.017
Imagen de fuerza de ventas V6 0.327 0.338 0.491 0.370 -0.037 0.185 0.023 1 0.759
Imagen del fabricante V4 0.432 0.305 0.602 0.349 -0.047 0.190 0.017 0.759 1
Las áreas sombreadas representan las variables agrupadas por el análisis factorial
 MATRIZ DE CORRELACIÓN DE LAS VARIABLES DESPUÉS DE
AGRUPACIÓN SEGÚN EL ANÁLISIS FACTORIAL

Matriz de correlaciones
Variables V9 V5 V10 V1 V2 V3 V7 V6 V4
Nivel de fidelidad V9 1 0.606 0.754 0.591 0.032 0.468 0.121 0.327 0.432
Servicio conjunto V5 0.606 1 0.624 0.514 0.499 -0.080 0.124 0.338 0.305
Servicio
Nivel de satisfacción V10 0.754 0.624 1 0.846 -0.223 0.585 -0.189 0.491 0.602
Velocidad de entrega V1 0.591 0.514 0.846 1 -0.484 0.588 -0.347 0.370 0.349
Nivel de precios V2 0.032 0.499 -0.223 -0.484 1 -0.670 0.488 -0.037 -0.047
Valor Flexibilidad de precios V3 0.468 -0.080 0.585 0.588 -0.670 1 -0.289 0.185 0.190
Calidad de producto V7 0.121 0.124 -0.189 -0.347 0.488 -0.289 1 0.023 0.017
Imagen de fuerza de
V6 0.327 0.338 0.491 0.370 -0.037 0.185 0.023 1 0.759
Prestigio ventas
Imagen del fabricante V4 0.432 0.305 0.602 0.349 -0.047 0.190 0.017 0.759 1
Las áreas sombreadas representan las variables agrupadas por el análisis factorial
 Análisis factorial

Es una técnica que nos permite identificar un

número relativamente pequeño de factores que
pueden ser utilizados para representar la relación
existente entre un conjunto de variables
interrelacionadas.
Procesamiento con SPSS versión 15 en español

Previamente cargado el archivo del ejercicio anterior entramos en: Analisis/ Data/
Reducción de datos/ Análisis Factorial/ Ingrese V1 –V10 a Variables/ Descriptivos
Descritivos univariados  solución inicial  coeficientes  niveles de significación
 Determinante  KMO y prueba de esfericidad de Bartlett  continuar/ Extracción
 componentes principales  Matriz de correlaciones  Solución factorial sin rotar
 Gráfico de sedimentación  continuar/ Rotación  Varimax  Solución rotada 
Gráfico de saturación  Continuar/ Puntuaciones  Mostrar matriz de coeficientes
de las puntuaciones factoriales  Continuar/ Opciones  Excluir casos según lista
 ordenados por tamaño  continuar / Aceptar.
 Resultados

Estadísticos descriptivos
Media Desviación típica N del análisis
Velocidad de entrega 3.715 1.301123 20
Nivel de precios 2.215 1.26044061 20
Flexibilidad de precios 8.115 1.50097337 20
Imagen del fabricante 5.535 1.02560637 20
Servicio conjunto 2.965 0.63517507 20
Imagen de fuerza de ventas 2.815 0.93204642 20
Calidad de producto 6.965 1.34957108 20
Nivel de fidelidad 45.55 8.97643113 20
Nivel de satisfacción 5.045 0.78369906 20
 Matriz de correlaciones(a)
Matriz de correlacionesa

Imagen
Velocidad Nivel de Flexibilidad Imagen del Servicio de fuerza Calidad de Nivel de Nivel de
de entrega precios de precios fabricante conjunto de ventas producto fidelidad satisfacción
Correlación Velocidad de entrega 1.000 -.484 .588 .349 .514 .370 -.347 .591 .846
Nivel de precios -.484 1.000 -.670 -.047 .499 -.037 .488 .032 -.223
Flexibilidad de precios .588 -.670 1.000 .190 -.080 .185 -.289 .468 .585
Imagen del fabricante .349 -.047 .190 1.000 .305 .759 .017 .432 .602
Servicio conjunto .514 .499 -.080 .305 1.000 .338 .124 .606 .624
Imagen de fuerza de
.370 -.037 .185 .759 .338 1.000 .023 .327 .491
ventas
Calidad de producto -.347 .488 -.289 .017 .124 .023 1.000 .121 -.189
Nivel de fidelidad .591 .032 .468 .432 .606 .327 .121 1.000 .754
Nivel de satisfacción .846 -.223 .585 .602 .624 .491 -.189 .754 1.000
Sig. (Unilateral) Velocidad de entrega .015 .003 .066 .010 .054 .067 .003 .000
Nivel de precios .015 .001 .422 .013 .438 .015 .446 .172
Flexibilidad de precios .003 .001 .211 .369 .218 .108 .019 .003
Imagen del fabricante .066 .422 .211 .096 .000 .472 .029 .003
Servicio conjunto .010 .013 .369 .096 .073 .302 .002 .002
Imagen de fuerza de
.054 .438 .218 .000 .073 .462 .079 .014
ventas
Calidad de producto .067 .015 .108 .472 .302 .462 .305 .212
Nivel de fidelidad .003 .446 .019 .029 .002 .079 .305 .000
Nivel de satisfacción .000 .172 .003 .003 .002 .014 .212 .000
a. Determinante = 7.61E-006
 KMO y prueba de Bartlett
Medida de adecuación muestral de
Kaiser-Meyer-Olkin. .559

Prueba de esfericidad Chi-cuadrado

178.764
de Bartlett aproximado
gl 36
Sig. .000
 Varianza total explicada

Varianza total explicada

Sumas de las saturaciones al cuadrado Suma de las saturaciones al cuadrado

Autovalores iniciales de la extracción de la rotación
% de la % de la % de la
Componente Total varianza % acumulado Total varianza % acumulado Total varianza % acumulado
1 3.997 44.410 44.410 3.997 44.410 44.410 2.942 32.688 32.688
2 2.242 24.912 69.322 2.242 24.912 69.322 2.489 27.650 60.338
3 1.117 12.411 81.733 1.117 12.411 81.733 1.926 21.395 81.733
4 .826 9.173 90.905
5 .353 3.921 94.826
6 .256 2.841 97.668
7 .162 1.805 99.472
8 .046 .512 99.985
9 .001 .015 100.000
Método de extracción: Análisis de Componentes principales.
 Matriz de componentes(a)
Matriz de componentes rotadosa

Componente
1 2 3
Nivel de fidelidad .853 -.036 .211
Servicio conjunto .847 .405 .130
Nivel de satisfacción .826 -.316 .394
Velocidad de entrega .747 -.527 .196
Nivel de precios .115 .947 -.073
Flexibilidad de precios .369 -.772 .117
Calidad de producto .003 .672 .080
Imagen de fuerza de
.205 -.007 .909
ventas
Imagen del fabricante .255 -.022 .905
Método de extracción: Análisis de componentes principales.
Método de rotación: Normalización Varimax con Kaiser.
a. La rotación ha convergido en 4 iteraciones.
 Matriz de componentes rotados(a)

Matriz de componentes rotadosa

Componente
1 2 3
Nivel de fidelidad .853 -.036 .211
Servicio conjunto .847 .405 .130
Servicio Nivel de satisfacción .826 -.316 .394
Velocidad de entrega .747 -.527 .196
Nivel de precios .115 .947 -.073
Valor Flexibilidad de precios .369 -.772 .117
Calidad de producto .003 .672 .080
Imagen de fuerza de
.205 -.007 .909
Prestigio ventas
Imagen del fabricante .255 -.022 .905
Método de extracción: Análisis de componentes principales.
Método de rotación: Normalización Varimax con Kaiser.
a. La rotación ha convergido en 4 iteraciones.
 Gráfico de componentes en espacio rotado

Variables
Nivel de fidelidad V9
Servicio conjunto V5
Servicio Nivel de satisfacción V10
Velocidad de entrega V1
Nivel de precios V2
Valor Flexibilidad de lprecios V3
Calidad de producto V7

Imagen de fuerza de ventas V6

Prestigio
Imagen del fabricante V4
 Métodos Multivariados para la Investigación

Análisis factorial
Elías A. Torres Armas