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
ANLISIS FACTORIAL SPSS
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
Mtodo de extraccin: Anlisis de Componentes principales.
ANLISIS FACTORIAL SPSS
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
ANLISIS FACTORIAL SPSS
16
Mtodo de extraccin: Anlisis de Componentes principales.
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
tambin puede ser negativa).
ANLISIS FACTORIAL SPSS
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
centrales de energa .146 .809 .207
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
Matriz de componentes
a
Componente
1 2 3
agricultura -.978 .078 -.051
minera -.002 .902 .211
manufactura .649 .518 .158
centrales de energa .478 .381 .588
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
Mtodo de extraccin: Anlisis de componentes principales.
a. 3 componentes extrados
ANLISIS FACTORIAL SPSS
18
Mtodo de extraccin: Anlisis de componentes principales.
Mtodo de rotacin: Normalizacin Varimax con Kaiser.
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
Mtodo de extraccin: Anlisis de componentes principales.
Mtodo de rotacin: Normalizacin Varimax con Kaiser.
ANLISIS FACTORIAL SPSS
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
ANLISIS FACTORIAL SPSS
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.