Análisis Factorial SPSS

ANLISIS FACTORIAL SPSS
Ejercicio 3: Caso Mundo / Caso Empresas

UNIVERSIDAD GALILEO
FACULTAD DE CIENCIA, TECNOLOGA E INDUSTRIA
CTORADO EN ADMINISTRACIN CON ESPECIALIDAD EN
FINANZAS

ARQ. ALVARO COUTIO G.
Carnet 1300-4393

1

Contenido
INTRODUCCIN. ................................................................................................................. 2
A. INFORMACIN EJERCICIOS ..................................................................................... 2
A.1. Ejercicio A. .................................................................................................................. 2
A.2. Ejercicio B. .................................................................................................................. 3
4. KMO y prueba de Bartlett ............................................................................................... 5
5. Comunalidades ................................................................................................................ 5
6. Varianza total explicada .................................................................................................. 7
7. Grfico de Sedimentacin ............................................................................................... 8
8. Matriz de componentes. .................................................................................................. 9
9. Matriz de componentes rotada ...................................................................................... 10
10. Matriz de transformacin de los componentes .......................................................... 11
11. Grfica de componentes en espacio rotado ............................................................... 11
12. variables sustitutas de las iniciales ............................................................................ 11
13. Matriz de correlaciones ............................................................................................. 13
14. KMO y prueba de Bartlett: ........................................................................................ 14
15. Comunalidades .......................................................................................................... 14
16. Varianza total explicada ............................................................................................ 15
17. Grfico de sedimentacin .......................................................................................... 16
18. Matriz de componentes. ............................................................................................. 17
19. Matriz de componentes rotados ................................................................................. 17
20. Matriz de transformacin de los componentes .......................................................... 18
21. Grfica de componentes en espacio rotado ............................................................... 19
22. Variables sustitutas de las iniciales ........................................................................... 19
23. Conclusiones .............................................................................................................. 20
24. Bibliografa ................................................................................................................ 20
25. Anexos ....................................................................................................................... 20
26. Glosario: .................................................................................................................... 20


2

INTRODUCCIN.
El anlisis factorial es una tcnica de reduccin de datos que sirve para encontrar grupos
homogneos de variables a partir de un conjunto numeroso de variables.
Por lo tanto, esos grupos homogneos se forman con las variables que correlacionan
mucho entre s y procurando, inicialmente, que unos grupos sean independientes de otros.
En consecuencia, el anlisis factorial es una tcnica de reduccin de la dimensionalidad de
los datos. Su propsito ltimo consiste en buscar el nmero mnimo de dimensiones
capaces de explicar el mximo de informacin contenida en los datos.
Por lo tanto, en el anlisis factorial todas las variables del anlisis cumplen el mismo
papel, as, todas ellas son independientes en el sentido de que no existe a priori una
dependencia conceptual de unas variables sobre otras.
A. INFORMACIN EJERCICIOS
A.1. Ejercicio A.
1. Cargue en SPSS el archivo de nombre MUNDO, este contiene indicadores econmicos,
demogrficos, sanitarios y de otros tipos para diversos pases del mundo.
2. Realice un anlisis factorial de las variables: ndice de alfabetizacin (alfabet), aumento
de la poblacin (inc_pob), esperanza de vida femenina (espvidaf), mortalidad infantil
(mortinf), nmero promedio de hijos por mujeres (fertilid), tasa de natalidad (tasa_nat),
logaritmo del PIB (lob_pib), Habitantes en ciudades (urbana) y la tasa de mortalidad
(tasa _mor).
3. Determine si el Anlisis de Correlaciones es adecuado para efectuar el anlisis factorial,
explique, qu valor tiene la determinante de la matriz?
4. Determine si la medida de adecuacin muestral KMO y la prueba de Barlett indican
que es adecuado el anlisis. (cuanto son los valores para KMO Y para la probabilidad
de la prueba de Barlett).
5. Determine de acuerdo a las comunalidades y los autovalores el nmero de factores que
explican la mayor parte de la varianza total explicada. (cuanto es el % explicado?)
6. Agrupe las variables en sus factores correspondientes (recuerde que la correlacin
tambin puede ser negativa).
7. Presente en un cuadro las variables sustitutas de las iniciales que aparece en su editor
de datos una vez efectuado el anlisis.
Realizar este mismo anlisis para el ejercicio siguiente:

3

A.2. Ejercicio B.
Utilizando el archivo Empresas.sav que contiene informacin sobre empresas por pases
segn sectores de actividad, realice un anlisis factorial de todas las variables del archivo
con la finalidad de reducirlas a un conjunto menor de variables con la menor prdida de
informacin posible.
Ejercicio A: Anlisis Factorial Mundo
El siguiente anlisis de casos, est basado en las tcnicas de anlisis factorial de datos
(SPSS), el cual est dividido en dos casos, 7 incisos y acompaadas de los anlisis
respectivos, referencias conceptuales, respuestas y conclusiones.
INCISO 1 y 2:
Cargue en SPSS el archivo de nombre MUNDO, este contiene indicadores
econmicos, demogrficos, sanitarios y de otros tipos para diversos pases del
mundo.
Para ste anlisis realizamos los siguientes pasos:
1. Insertar informacin en Vista de datos y vista de variables
2. Analizar
3. Reduccin de datos
3.1. Anlisis factorial
3.1.1. Seleccione variables
1
(Todas)
3.2. Especificaciones anlisis
3.2.1. Descriptiva
2

3.2.1.1. Determinante
3

3.2.1.2. KMO y prueba de esfericidad de Bartlett
3.2.2. Extraccin
4

3.2.3. Rotacin
5

3.2.3.1. Varimax
6

1
Variables: Debern ser cuantitativas a nivel de intervalo o de razn. Por lo tanto, los datos categricos
(Religin, pas) no son adecuados para el anlisis factorial.
2
Descriptivos: Se establecen los estadsticos ms relevantes relativos a las variables que ofrecer e anlisis.
3
Determinante de la matriz: Nos indica el nivel de correlacionadas estn las variables independientes. Por
lo tanto, si dicho determinante es muy bajo, entonces significa que existe variables con intercorrelaciones
muy altas, y entonces es factible continuar con el anlisis factorial.
4
Extraccin: Permite especificar el mtodo de extraccin factorial.
5
Rotacin: Permite seleccionar el mtodo de rotacin factorial.

4

3.2.3.2. Grficos por saturaciones
3.2.4. Puntuaciones
7

3.2.4.1. Guardar como variables Regresin
3.2.5. Opciones
8

3.2.5.1. Excluir casos segn lista
INCISO 3:
Determine si el Anlisis de Correlaciones es adecuado para efectuar el anlisis
factorial, explique, qu valor tiene la determinante de la matriz?
Matriz de correlaciones

a

a. Determinante = 2.01E-007
Interpretacin:
Uno de los requisitos ms importantes que debe cumplir la matriz de datos est el
que las variables independientes tienen que estar altamente correlacionadas, y para
esto se tiene que tomar en cuenta el determinante de la matriz. Por lo tanto, si dicho
determinante es muy bajo, entonces significa que existe variables con
intercorrelaciones muy altas, y entonces es factible continuar con el anlisis
factorial. Sin embargo, el determinante no debe ser igual a cero, pues en este caso
los datos no seran vlidos. Para el caso de este estudio se obtuvo en determinante
igual a 2.01E-007. Esto nos indica que dicho determinante es muy prximo a cero,
Por lo tanto es factible continuar con el anlisis factorial.
Valor de la determinante de la matriz = 2.01E-007
Como siguiente paso:
Es importante el comprobar si la matriz de correlaciones es una matriz donde la
intercorrerlaciones entre las variables sean ceros, para esa comprobacin se utiliza
el Test de esfericidad de Bartlett, el cual consiste en una estimacin de ji-

6
Rotacin Varimax: Trata de que los factores tengan pocas saturaciones altas y muchas caulas en las
variables. Esto hace que haya factores con correlaciones altas con un nmero pequeo de variables
correlaciones nulas en el resto, quedando as redistribuida la varianza de los factores.
7
Puntuaciones: Crea una nueva variable para cada factor en la solucin final que contiene las puntuaciones.
8
Opciones: Permite especificar el tratamiento que reciben los valores perdidos.

5

cuadrado a partir de una transformacin del determinante de la matriz de
correlaciones.
INCISO 4:
Determine si la medida de adecuacin muestral KMO y la prueba de Barlett indican
que es adecuado el anlisis. (cuanto son los valores para KMO Y para la
probabilidad de la prueba de Barlett).
4. KMO y prueba de Bartlett
KMO y prueba de Bartlett
Medida de adecuacin muestral de Kaiser-Meyer-Olkin. .865
Prueba de esfericidad de Bartlett
Chi-cuadrado aproximado 1544.363
gl 36
Sig. .000
Interpretacin:
Se observa lo siguiente;
El KMO (.865) por lo tanto es mayor que 0.5 lo nos indica que es aceptable para el anlisis
factorial y mientras ms se acerca al 1 es mejor.
La prueba de esfericidad de Bartlett (.000) nos dice que no es significativa la
hiptesis nula de variables iniciales incorrelacionadas, por lo tanto es menor que
0.05 con lo cual es adecuado el realizar el anlisis factorial.
5. Comunalidades
Comunalidades

Inicial Extraccin
Alfabetizacin (%) 1.000 .859
Aumento de la poblacin (% anual) 1.000 .958
Esperanza de vida femenina 1.000 .964
Mortalidad infantil (muertes por 1000 nacimientos vivos) 1.000 .941
Nmero promedio de hijos 1.000 .921
Tasa de natalidad (por 1.000 habitantes) 1.000 .966
Log(10) de PIB_CAP 1.000 .754
Habitantes en ciudades (%) 1.000 .706
Tasa de mortalidad (por 1.000 habitantes) 1.000 .865
Mtodo de extraccin: Anlisis de Componentes principales
Interpretacin:
Se puede observar que existen componentes que quedan bastante bien
representados con la solucin factorial como los son tasa natalidad (.966),
esperanza de vida femenina (.964), Mortalidad infantil (.941), aumento de la
poblacin (.958), numero promedio hijos (.921). y otros tems que estn menos

6

representados como alfabetizacin (.859), tasa mortalidad (.865), Log PIB ( .754) y
habitantes ciudades ( .706).
La variable tasa de natalidad es la mejor explicada (0.964), mientras la variable
habitantes ciudad es la peor explicada (0.706), el modelo slo puede explicar el
70.6% de su variabilidad original.
A partir de esta tabla podemos empezar a plantearnos si el nmero de factores
obtenidos es suficiente para explicar todas y cada una de las variables incluidas en
el anlisis.
Tambin podemos empezar a plantearnos en este momento si, dando por bueno el
nmero de factores extrado, alguna de las variables incluidas podra quedar fuera
del anlisis.
INCISO 5:
Determine de acuerdo a las comunalidades y los autovalores el nmero de factores
que explican la mayor parte de la varianza total explicada. (cuanto es el %
explicado?)
En la siguiente tabla, (Varianza total explicada) se ofrece un listado de los autovalores
de la matriz de varianzas-covarianzas y del porcentaje de varianza que representa cada uno
de ellos. Los autovalores expresan la cantidad de la varianza total que est explicada por
cada factor; y los porcentajes de varianza explicada asociados a cada factor se obtienen
dividiendo su correspondiente autovalor por la suma de los autovalores.


7

6. Varianza total explicada

Interpretacin:
Se extraen tantos factores como autovalores mayores que 1 tiene la matriz
analizada. En nuestro ejemplo hay 2 autovalores mayores que 1, por lo que el
procedimiento extrae 2 factores que consiguen explicar un 88.175 % de la varianza
de los datos originales
La informacin de esta tabla puede utilizarse para tomar una decisin sobre el
nmero idneo de factores que deben extraerse. Si quisiramos explicar, por
ejemplo, un mnimo del 95% de la variabilidad contenida en los datos, sera
necesario extraer cuatro factores. (4)
La matriz de varianzas-covarianzas analizada en el ejercicio, es la matriz de
correlaciones entre las 9 variables incluidas en el anlisis. Puesto que esta matriz es
de dimensiones 9x9, es posible extraer hasta 9 factores independientes. Tal como
muestra la columna de porcentajes acumulados (% acumulado), con los 9 factores
que es posible extraer se consigue explicar el 100% de la varianza total, pero con
ello no se consigue el objetivo de reducir el nmero de dimensiones necesarias para
explicar los datos.

Varianza total explicada
C
o
m
p
o
n
e
n
t
e

Autovalores iniciales
Sumas de las saturaciones al
cuadrado de la extraccin
Suma de las saturaciones al
cuadrado de la rotacin
Total % de la
varianza
%
acumulad
o
Total % de la
varianza
%
acumulad
o
Total % de la
varianza
%
acumulad
o
1 6.691 74.344 74.344 6.691 74.344 74.344 4.524 50.265 50.265
2 1.245 13.831 88.175 1.245 13.831 88.175 3.412 37.910 88.175
3 .532 5.907 94.083

4 .198 2.196 96.279

5 .174 1.932 98.211

6 .066 .729 98.940

7 .056 .621 99.561

8 .025 .280 99.841

9 .014 .159 100.000

Mtodo de extraccin: Anlisis de Componentes principales.

8

7. Grfico de Sedimentacin

Interpretacin:
El grfico de sedimentacin indica que slo son mayores que 1 los autovalores de
las dos primeras variables, con lo que estas dos variables resumirn al resto. Por lo
tanto, sern las 2 componentes principales que resumen toda la informacin.
Se puede observar que la tabla de la varianza total explicada coincide con la grfica
de sedimentacin ya que en el codo o punto donde cambia la tendencia de la
sedimentacin quedan dos factores a la izquierda del punto.
En la tabla siguiente, se encuentra la matriz de componentes. Que es la matriz factorial que
recoge la ponderacin de cada factor en cada una de las variables.
INCISO 6:
Agrupe las variables en sus factores correspondientes (recuerde que la correlacin


9

8. Matriz de componentes.
Se refiere a la matriz factorial que recoge la carga de cada factor en cada una de las
variables.
Matriz de componentes
a

Componentes (Factores)
1 2
Alfabetizacin (%) -.925 -.067
Aumento de la poblacin (% anual) .727 .656
Esperanza de vida femenina -.963 .194
Mortalidad infantil (muertes por 1000 nacimientos vivos) .961 -.132
Nmero promedio de hijos .931 .235
Tasa de natalidad (por 1.000 habitantes) .949 .257
Log(10) de PIB_CAP -.867 .039
Habitantes en ciudades (%) -.785 .299
Tasa de mortalidad (por 1.000 habitantes) .568 -.737
Mtodo de extraccin: Anlisis de componentes principales.
a. 2 componentes extrados
Interpretacin:
Por lo tanto, comparando las saturaciones relativas de cada variable en cada uno de los dos
factores podemos apreciar cmo estn constituidos los factores segn la saturacin de las
variables.
Se observa que la primer componente esta correlacionada positivamente con
mortalidad infantil (.961), tasa natalidad (.949), numero promedio hijos (.931) y
aumento poblacin (.727). Adems, se observa que en primer componente est
correlacionado negativamente con esperanza de vida femenina (-.963),
alfabetizacin (-,925), Log PIB (- .867) y habitantes ciudades (-.785)
Se observa que en el segundo componente est correlacionada negativamente con
tasa de mortalidad (-.737).
Por lo tanto, la identificacin de los componentes es poco clara, as procederemos a
realizar una rotacin.


10

9. Matriz de componentes rotada
Matriz de componentes rotados
a

Componentes (Factores)
1 2
Alfabetizacin (%) -.760 .531
Aumento de la poblacin (% anual)
.978 .050
Esperanza de vida femenina -.624 .758
Mortalidad infantil (muertes por 1000 nacimientos vivos)
.662 -.709
Nmero promedio de hijos .871 -.404
Tasa de natalidad (por 1.000 habitantes)
.898 -.399
Log(10) de PIB_CAP -.649 .577
Habitantes en ciudades (%) -.421 .728
Tasa de mortalidad (por 1.000 habitantes)
-.024 -.930
Mtodo de rotacin: Normalizacin Varimax con Kaiser.
a. La rotacin ha convergido en 3 iteraciones.
Interpretacin:
Se puede observar que los componentes tienen saturaciones altas segn los siguientes factores:
Componentes (Factores) Factor 1 Componentes (Factores) Factor 2
Alfabetizacin (%) -.760 Esperanza de vida femenina .758
Aumento de la poblacin (% anual) .978
Mortalidad infantil (muertes por 1000
nacimientos vivos)
-.709
Nmero promedio de hijos .871
Habitantes en ciudades (%)
.728
Tasa de natalidad (por 1.000 habitantes) .898
Tasa de mortalidad (por 1.000 habitantes)
-.930
Log (10) de PIB_CAP -.649
Interpretacin:
En el cuadro anterior se puede comparar las saturaciones relativas a cada variable por factor.
El primer factor est conformado por las variables alfabetizacin, aumento poblacin,
numero promedio hijos, tasa natalidad y Log de PIB. Todas estas variables saturan en un
nico factor porque constituyen un grupo diferenciado de variables de la matriz de
correlaciones, por lo que este factor pareciera reflejar los condicionantes de la
segmentacin en ciudades.
El segundo factor recoge las variables esperanza de vida femenina, mortalidad infantil,
habitantes en ciudades, tasa mortalidad, por lo que vendra a representar algo as como
mortalidad en ciudades.


11

10. Matriz de transformacin de los componentes
Matriz de transformacin de las componentes
Componente 1 2
1 .776 -.631
2 .631 .776
Interpretacin:
11. Grfica de componentes en espacio rotado

Interpretacin:
INCISO 7:
Presente en un cuadro las variables sustitutas de las iniciales que aparece en su
editor de datos una vez efectuado el anlisis.
12. variables sustitutas de las iniciales
Factor 1 Factor 2
1 .40303 .06526
2 -2.74903 -.63281
3 .87670 -1.07011
4 .22149 1.63207
5 .55998 -.25381
6 .65521 .30775
7 .99705 -.30867
8 .69294 -1.18559
9 .80509 1.66289
10 -1.56926 .10010
. .
109
-1.54407 -.37009
Interpretacin

12

Ejercicio B: Anlisis Factorial Empresas
El siguiente anlisis de casos, est basado en las tcnicas de anlisis factorial de datos
(SPSS), el cual est dividido en dos casos, 7 incisos y acompaadas de los anlisis
respectivos, referencias conceptuales, respuestas y conclusiones.
INCISO 1 Y 2
Cargue en SPSS el archivo de nombre MUNDO, este contiene indicadores
econmicos, demogrficos, sanitarios y de otros tipos para diversos pases del
mundo.
Para ste anlisis realizamos los siguientes pasos:
1. Insertar informacin en Vista de datos y vista de variables
2. Analizar
3. Reduccin de datos
3.1. Anlisis factorial
3.1.1. Seleccione variables
3.2. Especificaciones anlisis
3.2.1. Descriptiva
3.2.1.1. Determinante
3.2.1.2. KMO y prueba de esfericidad de Bartlett
3.2.2. Extraccin
3.2.3. Rotacin
3.2.3.1. Varimax
3.2.3.2. Grficos por saturaciones
3.2.4. Puntuaciones
3.2.4.1. Guardar como variables Regresin
3.2.5. Opciones
3.2.5.1. Excluir casos segn lista.
INCISO 3:
Determine si el Anlisis de Correlaciones es adecuado para efectuar el anlisis
factorial, explique, qu valor tiene la determinante de la matriz?

13

13. Matriz de correlaciones
Interpretacin
Uno de los requisitos ms importantes que debe cumplir la matriz de datos est el
que las variables independientes tienen que estar altamente correlacionadas, y para
esto se tiene que tomar en cuenta el determinante de la matriz. Por lo tanto, si dicho
determinante es muy bajo, entonces significa que existe variables con
intercorrelaciones muy altas, y entonces es factible continuar con el anlisis
factorial. Sin embargo, el determinante no debe ser igual a cero, pues en este caso
los datos no seran vlidos. Para el caso de este estudio se obtuvo en determinante
igual a 2.0382E-006. Esto nos indica que dicho determinante es muy prximo a
cero, Por lo tanto es factible continuar con el anlisis factorial.
Valor de la determinante de la matriz = 2.382E-006
a

a
g
r
i
c
u
l
t
u
r
a

m
i
n
e
r
a

m
a
n
u
f
a
c
t
u
r
a

c
e
n
t
r
a
l
e
s

d
e

e
n
e
r
g
a

c
o
n
s
t
r
u
c
c
i
n

s
e
r
v
i
c
i
o
s

a

e
m
p
r
e
s
a
s

b
a
n
c
o
s

s
e
c
t
o
r

s
e
r
v
i
c
i
o
s

t
r
a
n
s
p
o
r
t
e

y

c
o
m
u
n
i
c
a
c
i
o
n
e
s

C
o
r
r
e
l
a
c
i
n

agricultura 1.000 .036 -.671 -.400 -.538 -.737 -.220 -.747 -.565
minera .036 1.000 .445 .405 -.026 -.397 -.443 -.281 .157
manufactura -.671 .445 1.000 .385 .494 .204 -.156 .154 .351
centrales de energa -.400 .405 .385 1.000 .060 .202 .110 .132 .375
construccin -.538 -.026 .494 .060 1.000 .356 .016 .158 .388
servicios a empresas -.737 -.397 .204 .202 .356 1.000 .366 .572 .188
bancos -.220 -.443 -.156 .110 .016 .366 1.000 .108 -.246
sector servicios -.747 -.281 .154 .132 .158 .572 .108 1.000 .568
transporte y comunicaciones -.565 .157 .351 .375 .388 .188 -.246 .568 1.000
S
i
g
.

(
U
n
i
l
a
t
e
r
a
l
)

agricultura

.431 .000 .021 .002 .000 .140 .000 .001
minera .431

.011 .020 .451 .022 .012 .082 .222
manufactura .000 .011

.026 .005 .159 .224 .226 .040
centrales de energa .021 .020 .026

.386 .161 .297 .260 .029
construccin .002 .451 .005 .386

.037 .469 .220 .025
servicios a empresas .000 .022 .159 .161 .037

.033 .001 .179
bancos .140 .012 .224 .297 .469 .033

.300 .113
sector servicios .000 .082 .226 .260 .220 .001 .300

.001
transporte y comunicaciones .001 .222 .040 .029 .025 .179 .113 .001

a. Determinante = 2.382E-006

14

Como siguiente paso: Es importante el comprobar si la matriz de correlaciones es una
matriz donde la intercorrerlaciones entre las variables sean ceros, para esa comprobacin se
utiliza el Test de esfericidad de Bartlett, el cual consiste en una estimacin de ji-
cuadrado a partir de una transformacin del determinante de la matriz de correlaciones.
INCISO 4:
Determine si la medida de adecuacin muestral KMO y la prueba de Barlett indican
que es adecuado el anlisis. (cuanto son los valores para KMO Y para la
probabilidad de la prueba de Barlett).
14. KMO y prueba de Bartlett:
KMO y prueba de Bartlett
Medida de adecuacin muestral de Kaiser-Meyer-Olkin. .134
Prueba de esfericidad de Bartlett
Chi-cuadrado aproximado 274.053
gl 36
Sig. .000
Interpretacin:
Se observa lo siguiente;
El KMO (.134) por lo tanto es menor que 0.5 lo nos indica que no es aceptable para el
anlisis factorial.
La prueba de esfericidad de Bartlett (.000) nos dice que no es significativa la
hiptesis nula de variables iniciales incorrelacionadas, por lo tanto es menor que
0.05 con lo cual es adecuado el realizar el anlisis factorial.
15. Comunalidades
Comunalidades

Inicial Extraccin
agricultura 1.000 .965
minera 1.000 .858
manufactura 1.000 .714
centrales de energa 1.000 .719
construccin 1.000 .400
servicios a empresas 1.000 .776
bancos 1.000 .837
sector servicios 1.000 .735
transporte y comunicaciones 1.000 .711


15

Interpretacin
Se puede observar que existen componentes que quedan bastante bien representados
con la solucin factorial como los son tasa agricultura (.965), minera (.858), bancos
(.837), servicios a empresas (.776), y otros tems que estn menos representados
como sector servicios (.735), centrales de energa (.719), manufactura ( .714) y
transporte y comunicaciones ( .711).
A partir de esta tabla podemos empezar a plantearnos si el nmero de factores
obtenidos es suficiente para explicar todas y cada una de las variables incluidas en
el anlisis.
Tambin podemos empezar a plantearnos en este momento si, dando por bueno el
nmero de factores extrado, alguna de las variables incluidas podra quedar fuera
del anlisis
INCISO 5:
Determine de acuerdo a las comunalidades y los autovalores el nmero de factores
que explican la mayor parte de la varianza total explicada. (cuanto es el %
explicado?)
En la siguiente tabla, (Varianza total explicada) se ofrece un listado de los autovalores de
la matriz de varianzas-covarianzas y del porcentaje de varianza que representa cada uno de
ellos. Los autovalores expresan la cantidad de la varianza total que est explicada por cada
factor; y los porcentajes de varianza explicada asociados a cada factor se obtienen
dividiendo su correspondiente autovalor por la suma de los autovalores.
16. Varianza total explicada
Varianza total explicada
C
o
m
p
o
n
e
n
t
e

Autovalores iniciales
Sumas de las saturaciones al
cuadrado de la extraccin
Suma de las saturaciones al cuadrado
de la rotacin
Total
% de la
varianza
%
acumulado
Total
% de la
varianza
%
acumulado
Total
% de la
varianza
%
acumulado
1 3.487 38.746 38.746 3.487 38.746 38.746 3.059 33.992 33.992
2 2.130 23.669 62.415 2.130 23.669 62.415 1.902 21.131 55.124
3 1.099 12.211 74.625 1.099 12.211 74.625 1.755 19.502 74.625
4 .994 11.050 85.675

5 .543 6.036 91.711

6 .383 4.260 95.971

7 .226 2.508 98.480

8 .137 1.520 99.999

9 4.563E-005 .001 100.000


16

Interpretacin:
Se observan que los tres primeros componentes extrados resumen el 74.625 % de la
variabilidad total.
17. Grfico de sedimentacin

Interpretacin:
El grfico de sedimentacin indica que slo son mayores que 1 los autovalores de
las tres primeras variables, con lo que estas tres variables resumirn al resto. Por lo
tanto, sern las 3 componentes principales que resumen toda la informacin.
Se puede observar que la tabla de la varianza total explicada coincide con la grfica
de sedimentacin ya que en el codo o punto donde cambia la tendencia de la
sedimentacin quedan dos factores a la izquierda del punto.
En la tabla siguiente, se encuentra la matriz de componentes. Que es la matriz factorial que
recoge la ponderacin de cada factor en cada una de las variables.
INCISO 6:
Agrupe las variables en sus factores correspondientes (recuerde que la correlacin


17

18. Matriz de componentes.
Se refiere a la matriz factorial que recoge la carga de cada factor en cada una de
las variables.

Interpretacin:
Se observ que es difcil agrupar las variables en componentes, con lo que se
procedera a realizar una rotacin, para tratar de que las variables puedan ser
identificadas en los grupos.
19. Matriz de componentes rotados
Matriz de componentes rotados
a

Componente
1 2 3
agricultura -.871 -.343 -.299
minera -.186 .743 -.520
manufactura .465 .692 -.136
construccin .607 .174 -.030
servicios a empresas .643 -.006 .602
bancos -.060 -.005 .913
sector servicios .824 -.157 .177
transporte y comunicaciones
.751 .205 -.325
a

Componente
1 2 3
agricultura -.978 .078 -.051
minera -.002 .902 .211
manufactura .649 .518 .158
construccin .607 .075 -.161
servicios a empresas .708 -.511 .121
bancos .139 -.662 .616
sector servicios .723 -.323 -.327
transporte y comunicaciones .685 .296 -.393
a. 3 componentes extrados

18

a. La rotacin ha convergido en 5 iteraciones.
Interpretacin:
Se puede observar que los componentes tienen saturaciones altas segn los siguientes factores:
Componentes (Factores) Factor 1 Componentes (Factores) Factor 2
Componentes Factor 3
Agricultura -.871 Minera .743
Bancos .913
Construccin .607 Manufactura .692

Servicios empresas .643 Centrales energa .809
Sector servicios .824
Transporte y
comunicaciones
.751

Interpretacin:
En el cuadro anterior se puede comparar las saturaciones relativas a cada variable por factor:
El primer factor est conformado por las variables agricultura, construccin, servicios a
empresas, sector servicios y transporte y comunicaciones. Todas estas variables saturan
en un nico factor porque constituyen un grupo diferenciado de variables de la matriz de
correlaciones. No obstante no ayudan a identificar los grupos de variables.
El segundo factor recoge las variables de minera, manufactura, y centrales de energa. No
obstante no ayudan a identificar los grupos de variables.
El tercer factor recoge las variables de bancos. No obstante no ayudan a identificar los
grupos de variables.
20. Matriz de transformacin de los componentes
Matriz de transformacin de las componentes
Componente 1 2 3
1 .903 .372 .213
2 -.107 .677 -.729
3 -.416 .635 .651


19

21. Grfica de componentes en espacio rotado

Interpretacin:
El grfico de componentes del espacio rotado, no ayudan a identificar los grupos de
variables.
INCISO 7:
Presente en un cuadro las variables sustitutas de las iniciales que aparece en su
editor de datos una vez efectuado el anlisis.
22. Variables sustitutas de las iniciales
Factor 1 Factor 2 Factor 3
1
.85420 -.15303 .85967
2
.97388 -1.34615 .56948
3
.24465 -.06635 .93657
4
.17994 .50582 .45398
5
-.16874 .01980 .42485
6
.64543 -.90680 -.22697
7
.19517 .93780 .14546
8
.96908 -.61946 1.13177
9
.35660 .82698 1.06005
10
.14221 .91499 .69708

26
-3.02516 .70776 1.85046


20

23. Conclusiones
El anlisis factorial (AF) es una tcnica de anlisis multivariante que se utiliza para
el estudio e interpretacin de las correlaciones entre un grupo de variables. Parte de
la idea de que dichas correlaciones no son aleatorias sino que se deben a la
existencia de factores comunes entre ellas. El objetivo del AF es la identificacin y
cuantificacin de dichos factores comunes.
Por ejemplo, hay fenmenos como ndice de alfabetizacin (alfabet), aumento de la
poblacin (inc_pob), etc, que es necesario conocer pero que no se pueden medir
con una sola pregunta, porque se trata de fenmenos complejos que se manifiestan
en infinidad de situaciones, sentimientos, comportamientos y opiniones concretas.
En consecuencia, estos fenmenos son el resultado de la medicin de un conjunto
de caractersticas. El AF nos permitir combinar preguntas de manera que podamos
obtener nuevas variables o factores que no son directamente medibles pero que
tienen un significado. Por lo tanto, se trata de una tcnica adecuada para el caso de
variables continuas altamente correlacionadas.
En conclusin:
El anlisis factorial se usa, con mucho xito, en las ciencias del comportamiento
tales como ciencias sociales, marketing, gestin de productos, investigacin de
operaciones y otras ciencias aplicadas que tratan con grandes cantidades de datos.
24. Bibliografa
Mollinedo, K. (6 de Enero de 2007). Google. Recuperado el 3 de Mayo de 2014, de
http://es.scribd.com/doc/51801258/Tesis-K-Mollinedo-Diagrama-de-la-persona
25. Anexos
26. Glosario:
1. Comunalidad de una variable:
Es la proporcin de su varianza que puede ser explicada por el modelo factorial
obtenido. Por lo tanto, estudiando las comunalidades de la extraccin podemos
valorar cules de las variables son peor explicadas por el modelo.

Análisis Factorial SPSS

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Análisis Factorial SPSS

Diunggah oleh

Hak Cipta:

Format Tersedia

ANLISIS FACTORIAL SPSS

Ejercicio 3: Caso Mundo / Caso Empresas

Anda mungkin juga menyukai