/

(\r

',$-\Y
Yd
i .cl

.10.16. Prueba M de Box

'):^

La prueba M de Box se basa en los determinirntes de las matrices de varianzasde

co,rarianz de tos grupos. La Figura 1?9 (vase p$' zasl presenta.los resultados
prueba
la
ut'ilizando
varianzasfcovarianzas
de
mai."s
i; ;;;;;- ieralad'ate las
M de Box. Para conseguir este dato se incluye ut{ I* int n..iones STATISTICS ?'
en una
Como puede obser'arsJel rsultaalo es de 146'66/ E-ste-yalor se trar\sforma
las
decir,
Es
nula.
hiptesis
la
rechazo/de
el
supone
\! F * 7,453, c'ya p = 0,0000
eguivalentes"
son
no
varianzas-covarianzas
de
malrices

*'l I

i\

(i

\'

!'

""i

,"f -' :

11.1. Introduccin

tivariable, ss decir, matrices equivalentes sern significativas si no hay normalidad

n .,.., ,{.tCV/.ry
muitivaria'i:le.
tt
'''
7't1.u47''

r)

11. ANLIS$

sin embargo, hay que tener presente que con muestras grandes se puede encontrar significacin estadstica con mucha facilidad, aunque las matrices no sean muy
mul'
desigual*s. [ste test tambin es muy sensible a las desviaciones de la normalidad

L \[

J'

"/'o

.\l

C"\

.-

.,.'

rl

_(

{S

',

tnr'1 t't' J 'rrilt"' L & tls''i irrpt'

(t'""'[r'
" 'Vl:a''bt 4t '-

\i

j
,'}

'

'\

vr'do _ o gr.r,o-.0' \'e"{v* r"!r

S or.t^

it

d
iJ
.(

..t

*$

f_."

r:-cf.!.rr\

Matemtffi;; se dispone de una matriz de datos de la forma en que aparece

denomi180 (vase p,g.288). Esta matriz se transforma en otra matriz,
Figura
en la
ao
(vase
sien
pg.
289)
181
@y'-Y ' 1e
nada matriz factorial, como la ile la Figura
' de intervalo
o de
en
escalas
medidas
cuantitativas
variables
,uponu que se trata de
,uian.

',...1

o largo de este captulo se exponen estos conceptos mediante ejemplos'

iori'

En el anlisis factorial

rmatorio

anisis
factores
-

2t

'1, -:1nl'o:u,

r.i^q
,

lrrlr,y, &- ,
2.a. r-.

'*', .ltr)'t'

?:,4 t't

'

'

287-

-,

, ..

.d'

i2zir.y1:rr.).9.''.1.''i.

rt"tt

".,

,n!

':

"$

por habitante; 10) NIVELVID: ndice del fomento de la mejora del nivel de vida;
1f) VMEND: porcentaje de viviendas construidas recieniemeite;12) MIGRACiO:
varlsblcs

qrt.ros I

l1

--

lz

r"

ln

Figura 130.

ltlq\ttt"t

- r\

"'

ndice de la actividad migratoria; 13) PARO: ndice rle paro laboral; 14) MENTALEN:
extensin de enfermedades mentaes. La palabra lave en mayrsculas es la que se utilizar en el programa informtico.

/
>

Xot

X"t
Xr"

X"z

Xr^

x"^

El obietivo oue se retende consiste en identificar un nmero de

rior al nmero de variables
yado de forma simplifiqa{a. En sntesis se trata de reducir la informacin

partir de la matriz de datos origina se ha calculado la matriz de correlaciones, la cual se utiliza como 'input' en el programa de la Figura 183 (vase p.g.292).
Porciones del'output'se comentarn en los sucesivos apartados de este captulo.

0g Itr'a Ldllli[r'qcv r.Lr ,rr-r.rir."Lq& olu;afwwr, t'alo,tw ott.r r[.+nxys.""s

,.e. n'-in. 'r1,, l. "e. '", 'lt;,,i..'o',fu;;;L.^^.ro ra*r,
","_..'l,t::7'o-- '?r

factorial
Matriz de datos para un anlsis

a
de aquelos' y se somete
,rrriuro de stas superior al
o-.';;rll*.'r r,liginales, siendo el

'telg:-,.-.d@,
s {_!o
, --"1)&'--\'.".,st
' t'9 rrJ/.'1l;.Lf.t 7).,

11.2. Antecedentes histricos

coiPr,bacin el modelo'
b

rt.\
-.) r.^%t
1.,,rr,1,., l,
,' r;t)c.,",,

Los antecedentes del anlisis factorial se encuentran en las tcnicas de regresin

lineal, iniciadas por Calton. Un continuador suyo fue K. Pearson (1901), que present
tignl q"fg p.!. 1
la primera propuesta d"t ,"letqa" a"
"o*oo""r
clculo del anlisis factorial.

scas:

iru,:lria

,,1

los

)'
Harre anlisis factorial es la de

Sociales son las

t"""*t"tr"' p*u u't"es de Ciencias
; ;il;"(r''1 f {:}'H*-l f "#,lilit,trJ .

man (roso). Introductiori!'

de cmrey (1e85), K,*

H tlliltnii#i::;*-ru:ry;:rii''
(19?2);;;;'' Jg"iau-""t" t"

s
*

us
.

",il

(1e67

"'"d;;;;;;;b

ir"o,-*"" t,u,u'i*; -a'cnrrt'

:i
1

ir

ili :i

" Norusis

288

*'::l':ii".;:".ff1t;t:';::;
ail"

e ind

\r' ,,J
)l
n'
.

5'

ry

^"r$

ust riar iz ac in ;

,\,

(l'

i' l!'{'t)
ui . ,n! .,t
.''
\J

indicadores
Se desean analizar algunos

i i j\"*;;;
"'1":i :'f#:,:,
*"tt tt
ifijDasNrt

s.et,uu, ndice de

'"
r'
il

por distintas coEjernl:lo ,3e descripcin sociolgica'caractersticas compartidas

sociolgccs con objero d:;";;;;
lot coai"s te observan las 14
condados
'obre
munidadcs. S" 'ul"ttiot'J" ;;;';88
" tu poUtt.in; 2) PERIODIC:
variables siguientes: rl'!eiOni'
mujeres mayores
"rt+itiar
; nvrrr,norntu: porcentaje de
semanares n", lo^n.*,
oeridicos

1"h
Jd , ,1) rl

los aspectos principales

,g*Mto
Wtiwtl)

Varl blcs

"*po""n
(1985: 126-150)'

zle-it$i. t ulaik

det anlisis factorial

no-is)' dorrison

"'\l

F"t

F*t

F",

Fr..

F"'

;,"

"

|,'

Figura 181. Matriz factorial

avudas oficiaes a los tliios

'"r''

289

$q-'c^ra , pc:,.'t'3'"^l o c.v*'d-fuee:'

'tuqL','t*j
''t.- i.:'-o " * ;'oo.t *"; ' :''il*
.*;4f

inej*[.

J"'!':tu' u'+''ig'f's

tr1.-r-...,1"r

i47

{}f-'-r'"(:'. ')r'ri;'.1.1.r
p,i^., p.!.u

,r,..r;t

:,^-r;.l
!'',r.j:!

.if,Jl+ffiffi

| ,,'!i.i,t;: gt

.'j

,r\

i"r- :
tt

L': ('")';14')r';'

(i'

f]{J

*1' ,:'

't,

t1,.;

lr

t' . lt l,

fi

t'.

,t

It

r. (

lnfA i:)

il
l

del anilisis factorial suele atribuirse a Spearman

I
E
H

a las variables
tr; mtodo es cle los

lican Ia

nales '{"
.- , a. -:i- t

(.(,9''Mt

dt{!'rti'?.

3":*!!{n
mle

a realizar rotaciones

-''

)h-:

," ':

*todo

del desarrollo histrio del

t
E

ffi;b'losmtodosde

4
E

?
3

po, ejemplo, se han propuesto mltiples mtodos para la extraccin de facpt:bt;t*1'-:,"9

tores, comprobindose q"" l"Ut distintas soiocio""s- a un mismo
^"]
qu metodo elegir' Las
mtodo que se adoptas.. Con esto se plantea el ililema de

la'

iupo""t*

earr^ ?z

Za-:;*i;Z+=iaa
N.E:EB

Figura 182.

-)

G
)*
\

290

atemt

y de
El clculo del anlisis factorial, con un nrnero considerable de individuos
clcuios
estos
ordenadores
de
los
variables, es sumamerrte laborioso. Con la llegada
que el anlisis factorial se
han dejado de tener importancia. Esto ha contribuido a
investigacin en ciencias
la
en
utilizadas
m;s
tcnicas
las
de
una
en
haya convertido

del ejemplo sociolgico

vatriz de correlaciones

'ri

",

''ri

t'
npte'

'

han sido distintas segn las diversas-tenduotit"'

Pf+oit:9
t"tst Tfo "ti
' Si bien hemos de adelantar que' como
"iB-gryrpqbg-gJ..1"
que consideran el anlisis de componentes
"
o'u ie.r,i.r distinta del anlisis faciorial. Por eso, cuando realmente
;;;;;
factorial y no un anlisis de componentes prin-

lo que interesa realizar es una anlisis

de mnimos
.ipul", se recomienda utilizar el mtodo de mixima verosimilitud o el
cuadrados.
291

e
tr,s

f ',7)'t.; - j, 714r t""

''jr
:-'p/i ro.'7tn l-*

i'.t.ed'

''u,- r

1 J

i'"{..,

eh,

,.,t.

:ar,'
'i
i

f
()

11.3. Pasos en el anlisis factorial

Para realizar un anlisis factorial se suelen seguir los pasos siguientes:

calc"alar la matriz de correaciones entre todas las variables, a partir de la
matrz de datos originales. Examen de esta matriz.
Extraccin de los factores necesatios para representar los datos.
Rotecin de actores con objeto de faciitar su interpretacin. Representacin

N
ON
(f,dr
()!oo
<)do

o\o\o

o()\o\o

-,:--.-.. ] ----,/

i1?'

grfica.

6NN
dtl
c,drd\+
c)doN
odr\o)

i_l

'..it"'1;gi

Calcular las puntuaciones factoriales para cada individuo. Estas puntuaciones

pueden utilizarse en clculos posteriorescomo veremos, no todos estos pasos son indispensables para realizar un anlisis

dll

coooor

O\O-tn\+

6ra'l
dt

orNO(O
OOt-O(O-fr
OrNOoN
t
,t.tlj.
1:1

'1-

:,

4tu
4aL
DHo
=.
otC)
in<
ilsod
i3lt

"Sr
:,1

,"'.,

,' .-l

'r
.a

e111?"1?,..eii'

tz
E
r'l

EEg
(-t<<
r-l<<
4l-
4H

F<
Ef,^

'z?<^
_.-u^,
ltZN

= ;;il

Erl
(t

Ed
Zo v
<joz
e FrO

'

,,i,

'r

t{t
en el anlisis
atriz de

q
F E E#: EiHss:aEE
' '-l,',',', ,'i

gg

;,,;!:o'' i,:r',f'!

11.4. Examen de la matriz de ccirrelaciones

..-\\

i
EE
E
g'
3rR3R3:3e
3rR3R3:3e
;''
HEE
e*"
.'
EE
,;
eO<'r\
:
t
;;

cuarto permite la utilizacr

'

I I

6\tr\t66
oNcr4oNN
oJt+oNO4o
trr
i I
oiFrO(D+dN66O\ONn

oz
Hlf,o

! t.].t'i

result

faclita la i

"

factorial

en muchos otros anlisis multivariables,

EE gFniin$i$
E sxnHSEn "''''''''i'.:,;it,\
,
cuEF3H'3Hx ";''

:qqqq8iqiE_
E"43F5ee{t*g

r)H
ZtY
g-,ii

; -

E:E

=-'
".., x.

Figura 131t. programa para un anlisis factorial

-..i.-.---=-:.-..

tft

.,y-r!1:.'1l^4: .r11

{ri''r

,'t. r.._:t
..-;
'

':'
,.:

.=' '

EF E:iiire ' t
zo60rosoono\orrm

iur-"il

lY.r"'ti

^,1

"
r "''l'

"

En el ejemplo de descripcin sociolgica partimos ya de Ia matriz de correlaciones, la cual aparece en la Figura 182 (vase pg. 290). Un examen detenido de
esta matriz permite comprobar que la mayora de las correlaciones son altas. En la
parte inferior de la Figuia 184 (vease p.e,.294) aparece el giado de significacin de
cada una de estas correlaciones. 9glqq_p"id"l9grlq_g-tgY3ryg=g.glqf ggUE4e"=I!"
o;/
o

.'gAqluti*,.:lllg4g'l pr<i

A continuacin veremos algunos indicadores del grado de asociacin entre las

variables. Todos ellos cumplen la misma funcin y suelen llegar a la misma conclusin.
Alicaremos estos ndices.a,los datos delejemplo de descripcin sociolgica.
,'' 1)',f': . r'iTt"-y', ^. ,-',,,".1:. 14it..,1.

r
V

J'

Yl-tue

2s3

ldr,

,
a

Esto indica que los datos pueden ser adeuados para realizar un anlisis factorial.

tL.4.2. Test de esfericidad de Bartlett

=s,s' l

,i-

;-\"
"
*s

''J

l
\
)
)

hiptesis de que la matriz de correlaciones es uqg lnatJiz idenlid+d. .Recordemm que

ffiquetieneunosenlaiagonalprincipalylosvalorcs

rstantes son ceros. Una matriz idenlidad tieae, por tanto, la frrrma sigrriente:

{
TE
:.

.J

;ii

'd!>f =i-

a
.l6deFOoJ
(9ts6o69
ltutsfl
:
lGdt-NoNoilo_
r

.
<
b,

;{uzJ>>>oz

: ""'

lo'

-d<o

F;fr"tf;
i:r-FFf:u-ots
lHE?!g=;t;

".i*

lr

r6O6r6OO4J
-6Footse
o;Nq-n6.r-o

r5tsd<-

ii<

Jo>Fu<)46F
ado<{6<JU<
<:r-tsFrra-cts
qiodu=<>---<q

la matriz de correlaciones

7q;t

\'r.n
{5

1i
'.1

I't

*ffi
qtsL

_'

:i

-<o
6>20

t
)
<

sl

"]
fr>
za

variables son ceros. En la diagonal principal hay unos, puesto

de una matriz identidad en lgebra matricial es idntica a la funcin del uno en

aritmtica clisica.
te de la matriz de correl
de una transformacin
a entre dos barras,
determinJn suln-presentarse mediante una letra m
vase
Tatsuoka
determinantes
sotrre
nformacin
mi{s
{19?1: ?43como lrtl. Para
252)" Consicerando que l.Rl : 1, si y slo si R : I,la hipesis nula se puede
formular indistintameate as:

_Nqlos

^
Si se confirma la

glp

f{

El test de esfericidad de Barlett se fundamenta en que el determinante de

,.---.-,.
d" l. *,t*a. Utt dut"rmittuntu
t*& {,,

*' q

_L S

SF,

ooo6c(o
oooo-oruo

.r

Ji

ts

*l il

ii .1

S,f

6tsOFNO--N
oono-Nots
ootdoo
oNoooO-

*)

0l
0l

lo o 1 ol:r
t......t
lo o o rJ

'Sq

s+.s;
'Ba,f;
:
.'sw-

\5F; rJ.! 3:
*"3
$
"t :l

00
[1
l0 I 0

ot
60sooNrs6
co-Dto

H$

tJ*Jfu

Et test de efertctd

tV-#., -( th"ch. :t}

r,i.

,l{t'i;*fu,:Et,

2ss

-.i-:-*- '

'./

'

.l , -'.

(t,':"

.
'*.' i
r,'.-.:;
't 'L
, ^
r\
,.a !.lt"'ft
!.
.{ ,}, , ^!,'S -' , \

-t)'.''.'-+'

una o ms rrariableq

que estos

La expresin matemtica de la prueba

Bartlett

KMo=

es:

x' = *ln

I
l
li

las correlaciones entre

de var

Kaiser (1974) ofrece un baremo de evaluacin del ndice KuIO que reproducirnos en la Figura 185.

En la Figura 184(vase pC.29q se puede ver un ndice KMO :0'76968, que

segn Kaiser sera mediano, prximo a meritorio. Por lo tanto, la matriz es adecuada
para proceder a un anlisis factorial. '?'.19

1t.4.4. correlacin anti-imageu

"

Q^)

l"s

I > $lO > .90

> Kl'lo > .80
,gO > Kl.{d t.7O
.70 > Kl.tO > .60
.60 > KHo > .50
Kl'lO < .50
.90

-ft
::

t,:':

'/t'\
$l'

L1.4.3.,El ndice KMO deKaiser-Mever-Olkin

dp**

''glL Ifh{g'W,O

fr*yl,

.cignes

tanto existen
lallado cn Ia prueba de esfericidad Bartlett es significativamente alto. Esto indica
que la matriz i* ,t.to. es adecuada.para proceder al anlisis factorial.

:.ttL

ir!*I.

#f
El coefciente de correlacin parcial es un indicador de la fuerza de las rela-

-[88 -l-116(2 * 14*'5)]ln0'0000091:946',153

hiptesis
La ji*cuadrai':r igual a 946'153 suPone una p = 0'000' Es decir' se rgch-a3a la
Por
identidad.
matriz
una
no
es
correlaciones
nula. Esto indica que la matriz de
que
valor
el
dado
altas'
probablemente
signicativas,
intercrrelaciones

':

t'|.

muy bueno

neriro.i
mediano

mediocre
bajo
i

nceptab le

ll

La rn.:,1i,ia'de adecuacin de la muestra

r,,i.*

4MO,

de Kaiser-Meyer-Olkin' es un
de correlucin observtdos t

Figura 185. Baremo para interpretar el ndce KMO

"s
1' las masnitudes de los coeficientes de correlaciqlr parcial.

zs6

K!/1-

i y i, y o;i e6 el

bles es

que sigue li: i:.ciribucill normal multivariable'

En ia iiigura 184 (vase pg.294) aparece el vator del test de esfericidad de
Bartlett. Pu,rri'o que tenemos 88 individuos, 14 variables y el determinante de la
matriz dc ti.rri*iaciones es 0'0000091' tenemos:

_d

i*i

Donde qi es el coeficiente de correlacin entre las variables

coefrciente de correlacin parcial entre, las variables i y j.

Ilcndc a es el nmero de inclividuos de la muestra y v el nmero de variables

incluidas en la miriz de correlaciones. La expresin lnl.Rl se refiere al logaritmo
neperiano (vase pgs. S7Z-573) del determinante de Ia matriz de correlaciones. Los
g.udos d" lbertad vienen dados Pol l/ = llz(V'? -V)'
Si con el r,est de Bartlett se obtienen valores altos de 12 se rechaza la hiptesis
de.significacin. En caso de no rechazarse la hiptesis nula
,utu c,: urr cierro grado
-uariable"'n
estn intercorrelacionadas. En este supuesto debera
.ignifi.uru q.:e las

x2 =

#fba
i*i

t * tl62v + s)llnll

reconsitle:"il,ti i* aplicacin de un anlisis factorial'

poblacin
Para aplicar esta prueba se requiere que los datos procedan de una

DD*

de

l"rl''

,i".

fT#&r,tl
'
,1

$"
r

l:"
f

t{r= 'r}

-'

'

11.4.1. El determinante de la matriz de correlaciones

de correlaciones es un indicador del

intercorrelaciones mu

$
a

la Figura 184 (vase pg. 294) aparece en primer

de correlaciones, que como pede verse es

muy bajo.
Esto indica que los datos pueden ser adecuados para realizar un anlisis factorial.

lugar;i-altninante de-matriz

ta

'u

LL.4.2. Test de esfericidad de Bartlett

=s
$l

tk El test de esfericidad de Barlett se utiliza para someter a comprobacin la

hiptesis de que la rnatriz de correlaciones es una lnatliz ienidqd. _Recordemc que
*"tli, l""tids aquella que tiene unoJn a diagonal principal y los valores
""
rstantes son {:ros. Una mairiz ideniidad tiene, por tanto, la forma slguiente:

r-

G*
'd

\
ri

?s
-o

oo6otoo600$rNoF
o-o4O

S.$:

,s*l$:
e, :

=qw,;
* r H.,
.:
$$
(] q ::3

OJ
<t

i
UI
FO

c
oo--FF
oooFos{o

<-lo

j *,:

roO-<u

'. ": ;'lo

\ -iii

de una matriz identidad en lgetrra matricial es idntica a la funcin del uno en

aritmtica clsca.
ado
El tgst de esfericiSgd de F?f!l-eg guttiste-en usa

=i

"l i'
\X "! l
F;

t<

JoJtsU<-<o
6>ta
6-A
o<<do<Ju<
;ddzza)a>>o2
4<>>-4<z>t:

,-

u<<
<uo
o, n
'
+

&
6 J- 0
! o
d tsd
t
< O
ta06
264

J
<

< F

<

qq?qq191qYqt;

ts40@{65OtO
r6N-aosFo6
oooN-otooFo

JO5ts!<-<o
a>ao
ta
douo<<o<Jb<
<:r-FFrro!-o
ouro4q=<>---<e

-Nqloe
S

Por to
F'igura l8

la matriz de correlaciones

un*

Ef

).

q:.
":i
.t,

ril

.$'*"

a
rd

\.

' i
=-'
ql

e__('

*1

Los

t".mi"i;p*;onia.se mediante una letra mayscula entre dos barras,

como lftl. Para ms iniorrnacin sobre determinantes vase Tatsuoka (fg?f: la:252)' Considerando que j-l : 1, si y slo si R = I,la hiplesis nula se puede
formular indistintamente asr:

s)

Vr'o

*$9-* ta.ggsgj,o3glgeiones'

r-pe

$
'r

z
r
{

estilaqi

Sp

-f

E,:
i

co n

fi r ma

a H"

-is4&+-qqs&+v.41

il

:1

ltq qe_es+ iqlel:eIf l&ltry

u

of"ll

(.":tut1.j!3d.

El test de esfericidad de Barlett t" fund@

"fi1&r9uttt'a-*

as'

lizada de 14 41qma. Un determinante

.f"

r'ri""

5,,

-(

!fisg.o,P

.vt:':th,'yii:

.!.trrrjjls4.14]glii::e:ij

q
'.:'.t.'

/ /r

11.4.6. Correlaciu rnltiple

e tul

w"

LMffivM,

rniti

f4j6r,
r,t;), alh P+
'
r#,

,,,t

ggl4 una de las variables y

todas

lineal entre las varia

q
,;,,,,1.7'
'+-

'/I

la +rillircin del anlisis factorial

^mn'-'
{*'yn^rgol,

Arr,r;irtsdic.:r de adecuacin de

la muestra (MSA)

Una medida de la adecuacin de la muestra, abreviadamente MSA (measure of

sanrpling adequacy), puede calcularse para cada variable de forma similar al ndice de
I{il.{{?. Fln *s-ta prueba slo se incluyen los coeficientes correspondicntes a la variablc
que se desea cam.probar. La frmula es:

,lrl, iY

*f'alf,s ,t,';fi
MSA=

D,,
;*j
\-,trt + lJ\-

lJ
i*i

i*i

"?rt

se dan solarnente en unas pocas variables, se podra plantr

la rrosibilidad de eliminarlas.
En ei paquete SPSS-X, en el programa FACTOR, el ndice MS,A queda refle-

jq:lg*g:]g-{gqgnal principal-de

ta

rnat'io.de

coeficiente de correlacir

Jot

11.5. Mtodos de extraccin de factores

-{l'.

ae

Existen diversos mtodos

para extraer los factores, cada

Si los

cr' :..-ientes.[{S bajos

El

La Figura 188 (vase pg. 806) muestra el .output' de un anlisis factorial

por el mtodo de rnxima verosimilitud. En primer lujar aparecen
los estadsticos
iniciales (initial statistics), donde puede verse la cornunalidad de cada variable.
La
comunalidad inicial coincide con la correlacin mltiple de cada variable con
todas

"rtr.:.i?r"4,*r"r,

l,ir Figura 184 (vase pg. 29a) muestra la matriz de correaciones dnti-llnagen.
Put.e,: observarse que la mavora de los valores estn prximos a cro. Tal como
se iudira en le parte sperior, hay l8 elementos fuera de la diagonal con valores
su,u';ocs a 0'09, lo cual supone un g'9 %, Se puede concluir, por tanto, que esta
miirri:r t":erde ser adeiuada para un anlisis factorial.

l.i.$.

/.qqando el mtodo de extraccin de

corr"lrciones@a

1S4 iv*sc: pg. 394) puede verse como las medidas de adecuacin de la rnuestra del
ejernpio son altas.

unoilos conuJG[as e inconvenientes.

Los mtodos m:s usualeslpara extraer factores estn consignados en la Figura
186 (vase pg. 800). Para,c_ada mtodd se indica la referencia bibliogrfica donde
puede encontrarse desarrolaao. Recomendamos especialmente la obra de
Harman
(19s0), donde se analizan a fondo los mtodos ms importantes, Los mtodos
m:s
utilizados actualmente han sido incorporados a los paquetes de programas estadsticos.
La Figura 186 {vase pg. 300) incluye la palabra clave de los mtodos incluidos en
los paquetes BMDP v SPSS-X.
Thurstone

desarroll el m(todo centroide, como

una aproxirnacin sen{t947)

cilla al de *componentes principales". Este mtodo se utiliz muiho mientras era

difcil accetler a los ordenadores, ya que permita una reduccin importante en el proclculo. Actualmente, en que todos los clculos se realizan ediante paquetes

ceso de

de programas estadsticos, este mtodo ha quedado en desuso.

uno de los mtodos mis utilizados actualmente

es el d-e_componentes.princi-t3lg,*_Sq99!s tgp-1[.o_dS'.1--{]g9!t-Lup-.J-qa-ll?el_nU9b9! 199t,s arilmti..g, fg.q^.,eg

,Igg1llg19rlg*g jgr*g:nhlg-:qlli.a_+,t

- :98

di

_qi"tqss_

p.;"rb;;,

* tu ti*gadi ;

tCIs

299

-'T

ordenadores, prcicamente no se utilizaba. Por su importancia

actlal, y

ila{o-q1_e

autrus lo consideran como una tcnca diferente det nlisi3 faciorial (vid.
*nlisis faclarial y cmponentes principales' en la pg.332),'nos referiremos l
mtodos remitimos a
en el apartado sigrie$+"e, Para una exposicin s*bre los dems
(vease pg' 300)'
ta bibliografa inJicada en la Figura 186

;i;";.

-,

.K:rccr0N DE rACTonEs

3ee:.,. , '.1tursto,le, 1947; Harmao'

. r .r:,', -.: ici ner noc

1980)

PC,

Cci'i:::43 pri.o'cipales (Harman, 1980)

(principa colpnetrts

znalysl.s

se vaya a

Faclor :: j-nciPa (Iarnan,

- f 980)
anarYsrs
(pr. rcipal factor

PFA

Factorizacon de e.ies principales (Harman'

1976)

Factcrizacioo alpha. (Kaiser, 1963; Harnan'

l'980)

";.:rPal ax].s

PC1

En rcsrrnen, a,cttalmente se <listingxen dol grqld-e1-!e3.d919ias: f) ompt>

existe&_ a u Yf'Z,
nentes'princii;aiei; b) an,{flsif iactoliai. n{irc di.qritls1= factor'ral
,isrintos rnic,tos t1e extia.iion A-- ti{l-".:"ry. gg*-o-g}e-da -re[:jr4-" "l lr.ligi'llJiq
{vease pg. 3rri. nre esti uir'i.g-{3d -d; mr.;d,I_iii1i1 ut anlisi!.la!qr'+l
o--9-l {e
Kim y Mueicr (19?8 u, r) t"co-{41-u1i!419!-4f-tX!."q f":o-ci$i!i!,q!
*ini*or.11u-aIa!A-tUiILr3:i-Cj9-!9lCg qna,!qgLf94sj9l-9-9gPle-!4 dq.l trl-!eC-"*Sse.
utilizar.

y
Un ejerc.icio interesante para mejorar la comprensin del anisis factorial

PAF,

PA2

con mtodos difeioda su prolemtica puete ser comparar los resultados obtenidos
rentes.

raccorr-ng.,l

f:l:na factori-ng)

F:..r:::-recia de i,nageo (Kaiser y Caffry'

( iroag,e fctorisg)

11,.6. Anlisis de componentes principales

193)

ULi.A

iili:"s'?#; 133?"'"
!*Lffiffi"
ti;//WYL'
l*.{,r*
q,*tv.':.,,t(.

wdi

El-anlisis de

t'V

wlM *wrym d[t'r"{*1

/cJ'Jf{,
t
poodera{os (}Iarman y Jores, 196 )
ao
uadrados
nioos
"*"(ii*.iu
lr

,"

.:tiri.

oq?P

es u1o d lop mftodoq ploneros del

least'squares)

cuadrados geueralizados
M-nimos
"*;;";;irest squares )

Hi:.i'r* (Haroan'

198Q)

417=441),J-pglg

1..:.: :.um RESiduaIs)

'"'ft1" g:n:'3:3iuu"3i"";.*iiia ]?i?r

IJIFFY
La secuencia Puede continuar

1i6. Mtodos

principales, como
Exposiciones desarrolladas sobre el anlisis de componentes
(1985: 235-297),
en
Harris
pueden
encontrarse
mtodo distinto del anisis factorial,
otros'
entre
22r-21)6),
y
v{orrison
{1s67:
N.axwell (19?7: 39-45),

de extraccin de factores

30r
300

"f

ee pueden ver los resurrados del anrlisis

fac3]llily t87 {va'se pg' B0r)
priac ipiles der ejempr; ;b;;. r#;
: ::. :i::jt^l: *",:,Try:entes

-J,:. 4L.,A,,.i,&tV,r.', c t
',,1yrai,
,i 1
^
;C -:.,1., :\ -il t i. + ,V Udn {1.
:srcqt,,rv t .tR \LSlS r, piircte'l-cofpcrEx-fs NArysis
l-1,;ii'J;,;;* ,,,- /i1 -r,:",\ot!",_i'.n...,

de cada variable

tor.. l,os

\,.rf{l

(PCT OF

Cua&do
estos

?^

de variabilid

tad is

a, 'rr

na stadistics

ible extraer tantas co

*f.1 /-vR!LE
EsTa.poBL
PRIOD IC
','/
EllPErld]

corftLriLrry

FACToR

,',l
I i
-;...1 i$ffiq
33333 I i
iifuii iiilii

;:#

'

*.1 o,

u*

'".'

pf

cur.

r_ii.Lq
iifliifl
INIUSIRI
*
t:qqq *
y' AvuDAsN
q-ryD
i.
i';
,
qqsqs
l]&$ryI
I
t
' ylYMp4
yi!
NryLvrD t.SelSQ
i:3333 I
vrvlsN'a
i

.ooo

e
r
ii
1.rrr000
:r
l:tmr9:
ii
t.0oooo
tz
r rronn *

Mlclcio
rAu
E!.ILEN

..rr0,10

PC EXTNACTED 3 |CTORS.

pcr

"'"ig::
i:i39i! t3'3
'33i tt ir2

ite '.i,i
ligt i:
'.-2ii
i'
4'Y

".;"r
.l
.

'

:;l

:igi
'jiil
:i*-:
r6e
.,.\ii
:di;;;

l1
t1

;,s

3.6

01,

Za.i
e3.2

i:
l:3
i:;
t.a
!.1
i'.2
-

.1
.3

,tl

Zi.

i..'^

sl.a
e..a

.,

-.;

r.

upuesto
t:r)

FCCR iATRX:

. -.
.L-

iniciales es igual

FACT0N

FACTOR

d\'5 " " Esr.eoBL -.lg?'.t

.od5c,
.611?s
lEllqqrc
:t
.qciqi
:oii
1\r
Il!+9Jg
abKlcul,f
cd---68659
.2OOO2
vNr )uL
. vENrsDE
..qlt4t
65111
_\:ili,
.24264
y.E:v-{As_I .tzsoj
^\
.jzioj
: iid
.i+
.q++1
.qu?6
\)
.1ggt
.1ggt
C"f' s.un
IrypusrRl .34341
IryplrRr
r (\
3a34i --.\ii1|
4!uu
^ .IP+'s.yI
-321t8
-, AYIDSNI
;s "r
-.'!!1e
-'.67a30
-'ti
-:rti3

rrvbLvLu
_-155aC
.63205
.csas6 -.ila
.t r.' r.rqBcro
YiYIEYDA .o7le4

anTara

apn'ta<{os siguientes.

\N.
o

_
tEMr.EN
PES

11.?. Matriz factorial

-.tajtt+
. :oos

-'.jtt

-.sij
'.sitt

FCTOR 3

_.j6;.ir I ... ;.o

.4siie

.06063

-.40450

:;
ine
- ey,lt,
-.ey,t+
.iego
0935 1
..ese
,

.iii\
.itts

rairr faciorial factor matrix)

ta

.'o
'.i
n+

:.?g59
?.1rrt1
z.oa926

nuerra m

-.64:2
.;oo
.:ts

SIGNVIIJE PCT OF

de una

,r
ai I'
d

VR

40.8
16.8
14.4

C(,}

PC?

40.8

ij:6
lt.g

j,1*ii: llIigura rsz (,,iase pag. 303) est L matriz f,.t..r"lf*d;

3:,fl.n::
rrairix)
del ejernplo sociolgico,

ca<ia una de ras corumnas de esta matriz es un factor.

Er nmero de firas coincidr: con el nmero de variables. Los fundamentos
tericq-m.tu*at.o, y pro."ro
drr' ciculo de esta matriz pueden encontrarse
"r
en Harman (lgg0).

o"u."1 inrerprerarse como ndices

3:^"]:::li:".1g
b j". rear ad .o.-.o.r"lu. ior,"

f: I

l::
? :*1'b
rrc;Lcinrartos
entre s./.
1

id

de correlacin entre el

* " r", r*;;;'":

"
les.

Figura

187.

Anlisis de componentes principales

302
343

tanto el valor diximo posible de loe valorca propios es 14. Si el primer factor tiene
un valor propio de 5'?0658, esto significat (Zoess * 100)/1a = {d?6. Es decir, el
valor propio del primer factor {5'?o} explica el 40'8 d la variabilidad total. De igual
forma se pueden calcular los valores propios de los dems factores. El clculo de los
porcentajes acumulados no ofrece ninguna dificultad'

saturaciones altas

'

Otra ir:i,.::r;rel.arin.es la siguiente. Las ponderaciones- factoriales son los coeficientes de rr:*.rt:sin estandarizados en la ecuacin de regresin rrlltiple, con la
variablc or*,rrri.{irno vaiable dependiente o criterio y los factores como variables

Como conclusin ienemos que-lqs t{es factorea explic-an 9l ?l'9-% d.9 la valialg! 199lcs*!9
*!_a-eri_!ol1!.'t!91got.mgld." p--9:.-!eg!S'-4,-1a-91!$.l99 a.3-fartgres, !CI}

&.h y'"je$ldg{*E!-t$-'{tlCe

independ ie:rt "

l{ttt."

Cu;rr.,li, ir,v variables con oonderaciones altas en un factor v baias en todos ios
dems se rlice r:'ie estn sarradas en ese actor. Un anlisis facorial cobra sentido

-ab,!e-4e-,-1a1!qble*..v-qqe-p,-r4-id+-qq!I5$"ds*irb.r.*qeiel'

;.

Z'.

1)

principales

,.-t''i\2472 +-0'672382 + 0',894612 + ...

+ (-0'30035) =

mtodos de extraccin de factores

Ios otros mtodos,

183

ulo,

,factores en la

los

mair
otros factores. oue comolggUsMp

(vase pg. z9i2),

aadiendo la instruccin '/EXTRACTION

ML'.

Sin embargo, es en los estadsticos finales donde cobra significacin la comunalidad. Al final del proceso no queda explicada la varianza total de cada una de las

2'355 y 2'009.

variables, ya que slo se han retenido un conjunto reducido de facores de entre todos
los posibles. En el ejemplo sociolgico se conservan tres factores al final del proceso'
por
poJ,
!gto. .la-comralidad ge cad3.var.iqlle s la prSporcin de varianza expicada
resultantes.
factores
-el coniunto de los trcs
La comunalidad (,) de cada variable se calcula a partir de Ia matriz factorial,
y.es igual a la suma de los cuadrados de las ponderaciones factoriales de cada variable'

Las ponderaciones factoriales de la matriz factorial pueden tener como mximo el

valor uno. Eir r':;ic caso, la variabilidad de la variable quedara totalmente explicada
por el fac;a'. i:'ui tanto, el valor ms alto que puede obtenerse en el valor propio
(eigenvalue) de un factor es igual al nmero de variables.

Como consecuencia de lo atrterior, los valores propios se pueden transformar

en un pocentaje de varianza explicada. La forma de estimar el porcentaje se hace
mediante r,ii; :':l;ia de tres. En el ejemplo sociolgico tnernos 14 variables. Por

i..

(vase pg. 293).

del@

En la Figura 188 (vase pg. 306) pueden verse las comunalidades iniciales del
ejemplo sociolgico, cuando el mtodo de extraccin de factores ha sido el de mixima
verosimilitud, Para conseguir este 'output' se ha utilizado el programa de la Figura

5',79653

i sumamos los,cJradradgs de las columnaspertenecientes a los otros

304

son siem'Las comunalidades iniciales en e! anlisis de componentes

p!ejgga!98-?-g!g: Por tanto este dato no aporta ninguna informacin televante'

ai r:lradrado de la matriz factorial se les denomina valores propios

hemos visto en "Et@4.:n

el factor

Ie-4st!s-oqcide-

dg y4lanzg-e)p&g1s !er-!g! fqq. Sg,Jgnomina 'comunaiig1'.g-lqPlqgcr1qlpn

tores comunes.

eigenvai*i:s. v ofrecen un ndice de varianza de la variable explicada por cada factor-.

<ie ios cuadrados de las 4 de cada columna (factor) es una medida de la
varianza de la ;nntriz ,B que viene explicada por ese factor. Con los datos del ejemplo
sociolgico, y a pariir de la matriz factorial ile la Figura 187 (vase pg. 303), si
summos toilr,: Lr* cuadrados de los valores de la columna del factor I tenemos:

-8.t"

s11.4-

/'

La suma

Fli,pe}--

I1.P. Comunalirladet iai

I 'i[,t

1.1.8. Valr,rs Fropios (eigenvalues)'

i.::",

d"! 19

precisamcntc'.jaIidotodasasvariablesgstnsa@,
ponde:";;.c;nncs olt
.
tiene4
#

;!

-11"

-[vla

erntic amente:

h?

.l; *
]

F?, +

F:i +...,* F,
305

{r;
{i

/:
,-r*

t
s

g
qt

MCTRCTIOI.T

lr&.

FOR ANATS

i;

)! (t&l
II.U!,I LIKELTIO,OD,

s-rArr $'ruu

sr,pcBl.
ii:r"il.ii
!-ii!'fl:iff
*;*.n.
:i-,..;1i\1r;
;*ii;t

.62J85 *
.i "**
.714+t
.77447
r,:<r
**

IDUS'IRI

.92914

:74st9
'.is13g

*
v:3D
vi' .iai **
'.ii

i
7

s.7od58
ltillq
z'luvro
z.qq!?q
q)ai
.8e7d!

0.8 1
ie9

r1''lr
\..1J
6.44
6

99

iffi;-iisxr
:aiiv'i
vv.u
iti
iaRnd:ii
----ttui

:l

-.27tb2
-'iii;i
-. lo4s2
.e1l.':4
:j;i
.reelz
-.17816
-.5185

-liEr,rN -.1t'1sa

-.330s6

(vase pg' 303) , en el

apartado

un indica que la va

tr**rrre

igualdad:

l=h2 +Ut

{)

y U el factor nico'
,siendg lizrla comunalidad

rh

9,9!tP##{rr'i; tu.to.irt aparecen solamente

,ro

lue

los factorcs comnes; el factor nico

incluy"'

).

-qt9t2

lIiL STTISTICS:
vAR]rLE,Com{JNAI,ITY* recmn /nrffi
t+.96465
g5?A.PCBL
I
.5280 **
2.Lr833
2
.57439 *
[R: C
3
t.6l66|
.75057 *
si'Pi,[o|u
.56808 *
a{lcu;?
.720A9
i"rs$e
n,lu
1r.,,
.87128 **
'ENT$
\tl
"'J,r,
,96817 *
f{0us1lR
-,.-. J,,
SLUD
.33383
{r,1,..:.'
Y,DASNI
- 78341 t
.62162 **
NIvsI,VID
i

upur"..n en ia Figura 1 87

ras que

3i
c8063
l\ ,,
Jt
-.19iti
,-"-a)
< :Vi'
n/"
.ES4q1 Yt. 'ttJt
"

.16948

.f"

t.frzi"i :3el;3 '.i29:ri t,*:,v t:+'"!

lil$!
.?19!?
.ter4r
-,o3s3
ened
li
--,'//,,
.5qt59
-.623s4 -.zs23
i;Ro

*0,3?{?2 +0'6859?? + (-0'36451)'z = 0'69491

Pl.9

l'l:'i

lgualmentelopodramoscalcularparalasotrasvariables.Deestaformase

niq *

vfuT';ia
:8ti.i
v$i,i .8e4s

obtcndran los resultados

'final statistics'.

!:'a
Ii'
,.i
''i
ql

-129vt- s.4
.!ai?q
1.9
r'
.5{J66

':l1rlr,

ilnusrir
s.Lijil
'lir,{"$}'t!

''

24'?

'11s11
'.islz
r' s
2q5q5 1.8
zt't
'.tziit "** r
r '4
. is1i9
ii
?l Ig
2
1
1.2
..!!?-s?
:Y

?1 s
t2
..i5s
5560 "
1q?-8?
'.iisig
'.iisig
e-2'1
.1
.1
.ozoz
.ozoz
i5
i5
.?:.
100'0
.cleflt------- .3
14
.zzaz "
-re-r,rN
'-"i-xrnecrso
"
i-crons. 13 IrER-AToNS R!qq.IBE'.p.
curjoiirii*irstcJ"-i.eea;, n.r.: -52, sICtI!'IC,$cE: r 0 i010
L> ho.,af,{rt, dg> e.dn,q*4 Wst*Oin Ce
:'n j'::: {R:X:
I I
'l
/
FAcmR 3
FAcroR 2
FAcroR I
rO
14
3375

'
/,
.41:2?
23394
.
lJ'.t
- 3:'132 -.t45tr
-.04703
.7L934
'tt
Eii8?
'^,
PERIODC
'ffi
14573 "{
.27934
E,TPLEOMU .80703
rs13o
0
-:iqi!Q
-'.ti"81
-.5s02
tii
-.{
::
-.15Sq
vEiirao .84267 .oos3s
-

primera variable:
Con los datos dei cemplo tenemos para la
'

^
hts!"
d,&)

'lb o,

2
J.iir

t,,,lt --6'

,|

v1iDIh,(L fudt-tru
A, vA444Jqt&d.,O4?
r' l*nilaUnWytml
'
!'aRtarLE comrurste.r,rrr * r'rAcroR' groewg'ot Pcr oF vaR cull Pcr
rNr

"

/.
i'{ :':r

"t

f,

:,: ,:::;{";}"4'e'i.Nmero

de ractores a conseryar

CUM PCT

La matriz factorial

35 .5
51. 0
3. 0

ntar un nmero de faqlqlg:

'/

-&'1445

VIVENUA

-350?4 **
.70833

I-TlGR{:IO
PAlO

.15977 *

}INTI,N

decir' mientras no se esPecide programas suelen segl

buerrcrilerio' algunos autores (Tucker' Koopman
ique nada eI contla. aoolt'" es un
es el mejor'
siempre
lorr, 1969) consi<leran que no

nlisis factorial por el mtodo de mxima verosr:rilitu<l

:l

306

t';1

r''!4*t
!fi't:t
:;,{ / ,t,t!i\

: ],

,'!;

f-'

,)

!
4
,

:.$
+

'
.i'
.!,

^rniP'rrfim

:'ii;.t:

.;;:l $

-11".

ua,&^ frriy#.;..J...{ip;.ffi
S,
r'J;
" *'"
& ihEi'"Jn,
:d:;ftt;lr
, l:.:'j.:r

$are atrw ererios utilizado eshn los de Cattell (fe00 a) Cattell y Jaspars,
'
Hor* 1. Hrtl{fuo* oi,r*o. Segn Pedret {1986: SesO} fuAos ellos pueden agrup n
doe bfuds* generalw: a) regla basada en la restitucin mnima; b) reglas basadas
en Ia inorren*in resiituida por cada factor. En el primer caso, el investigador fija a
priori un nivel nnirno de larianza a enplicar. Dn el segundo ca-so se'trata de reslasfU
emprlcas, Unq e elas ee la oscree plot' que presentemo3 a continuacin I

'! -t
I

*l
ld
t
I
*$l
I

-'f

*d
ld
l

*+o
T

++6
I
I

11,11" ;a grfica rscree plot'

*+(o
I

{*r*'{ w\t*',w,

I
I

+F
t
t
I

+ro
I

La 'scree plotl consiste en una representacin grfica donde los factores estn
en el eje de abcisx y los valores propios (eigenv'alus) en el de ordenadas. En la Figura
189 {vese p,rg.309) puede verse la grrfica del ejemplo sociolgico. Obsrvese como
los trcn nalors superiores del eje de ordenadas corresponden a los valores propios
(eigenv*lu*li de los tres factores de la Figura 187 (vase pg. 303) A partir del cuarto
iacior el valor propio es inferior a uno.

I
I

*n
I
I
I

++
ti
]a

t
+oo
iti

re,
r<

+Nk{
I

de los factores con varianzas

td
I

+H
t
'

''l-l;: ' :':

r
o
h
n

"'ll:'
attell {1966 b) denofina
a esta grffca'scree test' porque se pa,erafpefil
de la falda e una monaa. l sto se refiere precisamente la palabra inglesa'Bcree',
de difcil *raduccin al castillano. En los oidenadores aparece como uscree plott.
Para cen*eguir esta grfica con el SPSS-X hay que adir la instruccin 'letOf =
qlcp:l'ulelc"T3 de la
183 (vase pc,.2s2).

Irl
(r)

<h

o
o

"i

rdHor'1z><ilDlcJ

rilla

''

En esle eje1il*s "tiserv clanmente*que h*y,el prirner facton4ueexplica 13

veabilidad. Despushay dos.factores que explican una peqqefra
parte. Si se unef s *ieilscos mediante una lnea quebrada se obserrrar co4ro-el
punto de iafiexin est en el factor cuatro. Por lo tanto convendr conservar ls tres
primeros aclres. Todos los dems contribuyen muy poco y por esto no se tienen en
may"r parte de la

Figura

189.

Grfica de log factores ('scree plot')

cuenta.
308

rt,Ar^- Uru)'g"ffi'

-cri
q

f
I

.t'

--

-T"erq.

rrosro C'
d
6hooo
ra.lO
F

H
4

;i ,rr

$r

i,i-,,rr1*

-t
i
.i

9-

,
r,*'7,t,-;l 1 t tt

-,

t-'

I
I

,1i ']

r,?f';

xrRAcTroN

ANTISIS

FOR

INITIA.L STATIST tr",

f W

s&rAgLE cor!4ur,'rrs

i:ii;:lr

.6zias

srFcjl
ctl"; ii
VENASDE
lr'nasr.A

:iizl

r,

^!.:.i1D
rli:ru
'rd

LrKELHO0D,(!{9

t i

Psr oF

5.70ti38

co'g

.2dzi
csr'ls'qilffliirsrcl-'iii.444,
L>

,,rrR:.{:

;.'.:

IrER-crIcs c4gl,Bgg^

.52,

2
'.62235
- 0703
.21e34
-'.Ziii
.oos38
-.11i2
'.iriz
-. i0452
.istr'j
-.17816
.337e5
.86313

FAcrrR

ISTAPOBL -.16474

. iitll
i'
. rg
ffilir -:5i
i'dii
'.s5t
vii
:i
viiisi
:eai
itii:iil
.91136
i\'lu:iTRl
ir.r.:5-".issiz
-.5i56
i-"'srr
'.4l,:3t
;iiiln
'inli
.ztr,eu

-.*u jd'
con los datos

dei rjrxnplo tenemos para la primera variable:

!,X

-\"
--c'30247' + 0'685972

+ (*0'36451)? =

lgalmenteiopodriamoscaicularparalasotra^svariables'Deestaformase
(vase pdg' 303) en el apartado

ndran los resultados

'final statistics''

9g'q

l;,!

;;;;;;t""

en ia Figura 18?

83'8
7,

0'69491

fr,.)'

obte

'

lenras que

La

6.2

2+2
2
e7 1a

.ii
I00

Taranza que
.ry.:,t

?
0

5tG:'M'c'L\cE: 0 1000

bi&ijnttts ds, "Aqa4'i,&ts,^gt ce q4r

ll I
{l I ,
/

racroR 1

iRc:

tr

s
,1
'o
3

:s5s5
.l!!;l

l
i

+l

cLo Pcr

8e;;5

iiit|t" U
;-
ir; ---.rn"rerrr
*"rnacrso i-F4ctons.
'i!?St
rr
D.i-:
i.s

vaR

:,ail; i,l-t
s'4
'i5CiZ
>1llg
2'9
i:
:i

ls
.iirt

1
4
i

Hf8o'
i'lilr,r:rr

!IM',

'rln"ltcaw*w

t9 *
.7s25s **
. eoeE/
'ZZj'\Z
'.il'ai
t
.7s852 "
.tzi16 o
. i+5

,'i

3
lv
lg,
r
'" z"
''111-q'
n
:'.1,1
-133e4 - '),.1.,
^
'/l
- .L+17-2
-:iqllq
;
r:
- llSq
- ii
Sq91
?Q91
ui' -1r
99:
- ro-721 .,"--t ' rr

l.l {'t
.e481
'-16-?7-l Y'"'ot,,ir'.'.{ {,"
\ /: i
'1Ze^91 rj

9.

l)

4e-ggsglg

N:

/t'

l:h2 +U"

rAcrcR

:39;e
::gS? _:31;1
:itas
-:;

lrErrTAr^EN -.14156

t/ /

'H./t'rt
ll

'

: ,:::#;:' rf.*tNmero de ractores conservar

Fi-L STATISTICS:

;;;---

Fffi*]i *
+".s280 *
:S-POBL
'.i1s
i;n:"rrii
-.1siti
iiji"Er
ACRIcir,T.56808*,t. "
*
*
*
*
t

L:\l.io
Vt:!.lI$X
tbS
SALUD
Y,lls!'lt

.72089
.87128
.eB7
.33383
.78341

VTVIID
!GRACIO
PAlto
f1sT.\iN

.3507/r t*
.70833
.15977 tr

i\;iv'it

racron

.61111
.E1t1t+5 *

iI
3

lil*-.***g
l.2arlt

z.i7ax
1.trar

Pcr oF

vR

cut. Pcr

:s.s I
rs'6 \

t2'0

uede

3s.5

tl'g
63 0

,' '
t a ,r.
,,' .,'
tt/ /,t
ftJ|..,.1
lt \\ {d c t. ,,
1
l:.
t!
.')r
tr-,
7'1t

clpales cuYos vaturc" p'"P'

de programas ,u"l"n

iiiSrrr:,

i-r8.

Anlisis facioriai por el mtodo dc mxrna verosimilitrrd

)t/:.,,'

'4 i:

i
I

I
,

'.

yr", tgsi

307

1'(tt't?Irv21

3Yu47;, i,
tf.il ,9::.".3.:

ntras no:

pol d"tu.t?.::
{"^:l'l,i::;""::::
(rucker, Koopman
'"g'iffi6
es un buencriterio, algunos autores
;;;
ffi;;.
ilJJ?'#i
consideran que no siempre es e mejor'

,r,r

J
;{
d

.i:tr]

"onjpnnfinx

$'wl^*-

11.?. "{prcximacin a la bondad de ajuste de} modelo

-ino *le h:s supuestos del anlisis faciorial es que la correlacin obserrtrda enl,re
las variables se debe al hecho de que comparten factores comunes. En base a esto,
se pueden utilizar las correlaciones entre los factores y las variables para estimar
la-q intercorrolaciones entre las variables. Cuando los factores son ortogonales las
ini,:l,:orrelaciones entre las variables se pueden estirnar a partir de:

n +.---o---o--606ii6c6;di

<
@

6OoRO{+o
NOoo666o6i
oioo;o66d4JS

* -o.-*o!.^-o---6N6O@6N6{N

E
F
4

.ri : I

r1;ry; :

11;11;

r2;r2i

'f ..' *

?
Z

rt,;rr,s

< ----.30-^*---jd.r
{NF+
r+4
hurJtsN6ts6

Donde & es el nmero de factores comunes y r/i es la correlacin entre la

i y el factor.t'. Recordemos que los factores son ortogonales cuando las
in ':orrelaciones entre ellos son iguales a cero. A partir de la matriz factorial de la
Fi. :'a 187 (vase pg. 303) podemos calcular una estimacin de la correlacin entre
cai::r par ie variables mediante(r;;). Por ejemplo, la correlacin entre las variabes
.v

1.. tli""tfu 94r.41: l/r)j;, .

r," = (0'383) + (0'631) + {-0'Jzz) * (-0'155)+

J6.DclhNo.ri

4
<

O6O6N6OF66
N66J+6
ao69d$o6
ooo6d66+N6i

D
o
H

a
(Oooo660Fi66
oN6*{ooNo
666666H{h6
NdoFad*
O4iSONd6

E ?::e:1":.':?91
g
"'

'nivelvld' sera:

+(-0'635) * (-0'642)

!
4
<

E :9:1?:11:1,4?
g"-''

v:, :n,be

's;,lr'{'

O6Oo6J6dd
66ONhhFHNh
OOOOH@o{NO
tt
t

,..t

0.70

n Ia Figura 182 (vase pg. 290) puede verse que la correlacin entre 'salud'y
'nivelvid' en realidad es de 0'732. Por tanto existe unaiierencia entre la correlacin
oDseu{adalla estlmada t O"rtr. n
-

'jrrl flrr este ejenrpl, el residual es igual-a 0'732 - 0'700 : 0'032. De igual firrma se
calculir.ra a mariz de los residuales entre cada par de variabes.

,a Figura 190 (vase pg. 311) contiene en el tringulo superior las interco-

zo

rrliacisrnes enire las variables estimadas a partir del modelo (reproduced correlation
rl;rt,rix). El lringulo inferior corresponde a los residuaes. En la diagonal principal
;rpilrcen inrlicadas con asteriscos las comunalidades. Obsrvese que coinciden con los
datos de la parte inferior de la Figura 187(vase pg.303). l,-"ggegltjgge!_q""]gl
"csiduales indican lo bien que se ajusta el modelo a os datos. Como indica

liii

{dNd6isdn9N
66{NO:NO

bil,

o
4

,jfiiii;r;i;tii.t.*G"*-,*;ffis-]aIessuperioresa0.05,

;i: r,iir suprrni: rln "46 %. La valoracin de estos resultadm es difcil de interpretar,
Friirrili: {rr3 lo txisten indicaciones claras sobre cl porcentaje mxirno permitido de
residualcs superiores a 0,05 para consderar que el modelo se ajusta a los datos.

* L--*^---*--o.odi66edN

o
*

Figura 190.

311

Norusis (I9S5: 138) expone una prueba de ajuste basada en ji-cuadrado, aplicabie cir;..n{a -.; radt"o,lo de extraccin de factores haya sido el de ;:rxirna verosimilitud

Fctor 2

o el de mnin:rr cuadrados.

I
I
v4

vl

v2

11.I-3. 11*i.aciones factoriales

4
o

La ma6ia factorial indica la relacin entre los factores y las variabies. Sin
embargo, a partir de la matriz factorial, muchas veces es difcil la interpretacin de

1i
*-t--

los factores. \rearnos esto con un ejemplo. supongamos que disponemos de la matriz

factorial

sig'1|*tttu'

variabre Factorl Factor2

vr
v2
v3
v4
fi:ra inatriz factorial

tanto los coeficientes como la grfica son difciles de interpretal.. Palg l.r:ili,ar esta labor suelen realizarse las denominadas rotaciones factoriales.
*-=..a r*i:r.cin factorial pretende seleccionar la solucin mis sencila e interpretabr-'. n sntesis coasiste en hacer girar los ejes de coordenadas, que representan
a los faclcres, hasta conseguir que s aproximen al mriximo a las variables en que
estn sairradas. La Figura 192'(vase pg. 31a) ilustra como se realiza esta rotacin.
La rotacin de factores en el espacio transforma la matriz factorial inicial en otra, denominada matriz facorial rotada {rotated factor matrix), de mis fcil interpretacin.
La malri ,: l.:r l,::rlal roiada es una combinacin lineal de la primera y explica la misma
cantidad dr: i* varianza inicial. Como resultado de la rotacin factorial obtendramos
la siguiei:,':'1;):rt.iiz factorial rotada':

Variable Factor

VI
V2
V3
V4
312

0'gr2
0'702
0'226
ot2l6

Factor 2

.u
4

V3

6
7

191.

Figura

Ejes factoriales

La representacin grfica de esta matriz aparece en la Figura 193 (vase

pg.315). La interpretacin de esta nueva matriz es mucho mis sencilla. Como
puede verse, las V1 y V2 estn muy prximas al eje de absciss, con valores bastante
altos en este eje. Esto significa que estas dos raniables tienen saturaciones altas en el
factor uno y bajas en el dos. Las variables V3 y V 4 estn prximas al eje del factr
2, si bien una (la I/3) tiene valores negativos.

n este

caractersticas: 1)

lncl

0'026

-0'018
-0'483
0'639

se puede representar grficamente tal como aparece en

F:1 t:r!e ejemplo,

Factor

0'600 0'70,J
0'500 0'500
0'200 *d500
-0'300 0'600

la Figura 191 (vasepg.31"3), Esta grfica contienen un factor en cada eje. La

situacin de las variables en la grfica viene dada por las ponderaciones factoriales.
Por ejemplo, la variable uno (Iz1) se halia en la interseccin entre el valor 0'6 en e
eje de abscsas (factor 1) y el valor 0'7 en el eje de ordenadas (factor 2)'

--123456789

9876543210

distribucin

actores distintos

no deben existir
resentar distribuciones

estructura

Faco 2
9

I
7

b
Facor 2

4
9

9876543210

VT

Factor

1
o

4
3

i
08765432

1d
,1

v34

3 4 5 6 7I

I
I

2
J

4
5

Figura

193.

Ejes factoriales rotados

I
o

simple vase Thurstone (19a?) y llarman (1980). Estos tres requisitos generalmente
no se logran en la prctica. De lo que se trata es de optimizar una soluci prxima
a la exigida por ese principio,

'':

Lfactoriales' Los princi316). En esta figura se incluye

pul""
" clave utilizada en el BMDP y SPSS;X, siempre que el mtodo haya sido
la alabra
.Existen diversos mtodos oarn

"^r:-^-'

e pg.

se han inspirado en
La rotacin no afecta a la bondad de ajuste de la
"@
solucin factorial: aunque cambie la matriz factorial, las comunalidades permanecen

enCE" paq"9&, I mayora de estos mtodos

!'igura

J 1:|

102.

Rotaciones factoriales

inalteradas.

Este cambio

dppende del mtodo de rotacin que se adopte.

315

otc in4es
rr*Eona I es
6u

tt

max

fcumx

rtonax

Varimax

obl icuas
cua

rt

gttsP

SPSS.X

QF.{X
EQI'IAX
vt{x

quRIMAX

La Figura 195 {vase pg. 318) contiene la matriz factorial rotaila (rotated
factor matrix) por el mtodo varimax del ejemplo sociolgico. En Ia Fig-lrl1 f9
(vase pg. :rio) *u incluye la representacin grfica de las variables respecto de los
o, p.irn"i*, fu.ctor"s. En estas grficas se denor*inan ejes factorialel a,los ejes de
coordenada";, pu$ro qe cada eje representa un factor. La Figura 19? {vase pg.
320) contiene la representacin grfica de los factores I y 3; y la Figura 198 (vase
pg. 321) la de ls ac.iores ? Y 3.

EQUAI'IX

vAR llttx

En la parte inferior de cada grfica se incluye una tabla con las siguientes
,symbol': smbolo numrico de la variable; b) variable: nombre
informaciones: a)
{e las variabiesl c) 'coordinates': coorderia,Jix de las variables en la grfi.ca' Estas
coordenadas coinciden con las saturaciones de la matriz factorial rotada.

DOUF1

im n

Obl imax

OBL H I .,i

oblimn
ortob I ca

ORHOB

11.13.3. Matriz de transformacin factorial

Piincipales mtodos de rotacin factorial

Figura

el ecua-

Iirr:'::r;t {tE0i expone detaaJamente todos estos mtodos' excepto

y cuarmax. l,:",r" ,i'iiinio es ,lna combinacin de varimax, que sirnplifica factores' el
1985)'
b;
Norusis,
1978
y
timax, qrre simplifica variables (Kim Mueller,
el
l1';1.1,;l:irente se aplican rotacions ortogonales' siendo- el mtodo varimax

En el listado proporcionado por el orde;rador prrede aparecer 1u *"11i2 rle

tr.msformain factorial (factor transformation matrix), tal como se puede ver el la
parte inferior de la Figura 195 (vase pg. 318)'

11.L3.4. Rotaciones oblcuas

En algunos casos no se consiguen hallar factores incorelacionados entre s.

11.13.1. Rotaciones ortogonales

se

factores sean distintas de cero; es decir

icarse a factores

ales
a:lso si

a"i;. i.t,:i,a

las

ble v ms

*:s

los fac

cot
eso se

ue no estn correla-

llaman oblcuas.

A ttulo indicativo realizaremos el ejemplo sociolgico aplicanclo una rotacin

oblcua por el mtodo

oblimn. Para ello

se

ade a las instrucciones de Ia Figura

183 (vase pg. 292) la especificacin: '/ROTATION : OBLIMIN'. Los resultados

coinciden con los de la Figura 187 (vase pg. 303) hasta el momento de las rotaciones.
La Figura 199 (vase pg. 323) presenta los resultados de la rotacin oblcua por el

mtodo oblimn.

11.13.2. Pl mtodo de rotacin Varimax

cornc

El mtorlo de rotacin varimax, propuesto por Kaiser (1958:187-200)., consist

.uduisilm"a d" l" *uttiz

rr.-1--:^-^.^.}

"rr -*ffies,

altos

rnlmlzat et nu

auorrlitr, -

los

va.riables

;.co:t vase Ilarrnan {19b).

tqt'!t449!- P1iu dt!3&t tobtu tl

patteln
Je convierte en dos matrices diferentes: lg-g,ratriz de ponderacionqs (factol
(f119l
.'I39!CI9.m,ivariables
entre
factores]
correlaciones
matrix) y la matriz de
trix). Adems de e:ras dos matrices, es interesante analizar tam-66n la matriz de
cqrrelacion,ls entrc attores {factor correiation malrix).

317
316

{
60{Q
d6O

z.

F
k
${

1
6tN

rl

Gdd
fi6d

3.{Ho
TSZH
OOA9

S*

dt

Fq

d
,

trI
vi
H

F
o

.g

oo
.oei
n$.o
O oQ
No
I{
(J

*
-o-^-ooid(o\odo
+dh rO O O (O"t O O dr
d
N6Orri\tNNr06
N6idn\t+d
ciorJoroddoroo
rrtl

z
H

fr

tq

zx
"i
g

* *-o^oa."r{'c.lrtHct.n<)
:NnrNooo
u ooin.* or.\t r c\o.s-t

HH
{
{
tJd

F jg*:sRPsNBsr
r
lr

) l r

<a4

H
XH

B
!H -.^.

t-{

\o

2tr2H

oe,
HE

Fr t'r
.6>
1 Zo
()ts
& <)
Xq
d
54=
<HI'l
:dE<
H<
d>{
,d(f

H\O+O@O
o.ooNn\O
c.
h_+ 6 NO 6dr
d 6dro.+o@t:d-+dod
dioh(tdnodhslFl
F Jro@o\otlddno
ltlrll

rq1

rN

o
{
u
4

td
t

t'

':

r$

fc

X
H

'
2

o6o31
il oso

g Bg3:3

59

8So5

"d HHOHF
dZ.>A
3 tsfliH
Iic *.t-dd
x

'I

a'l

z()
H
.

&

6ro$J

q-

g o(o+
an;co
o Qo
ts{
() ooo

fq

MFHE

d96Nq

g
i

:ri

195.

t/J

H4O
ZHQH

arl

.n>Zo.
o5m(nts
o{d(J<<o<rd<

dHJHkk5SOEHgAH
ta,cdzz>>Oz

sHggH=iEfH

N(O

()

d
oo
LKL

la

f&lqh

F
o

Matriz factorial rotada por el mtodo varimax

o9F2
dHDqA

3 frazt
ff -o^o.

(J(-)(J

Figura

8e3$

-."."

lq

.i

(..)

Eu5E{r':<H
H!;J=d

{.:fio
Ns{s
o {60.!\

F<

z
Ht(

HHHHHHHHSHHHHHHHH

HHHHHHHHHHHHHHHHH+

t6
Nj6

('00
d !o('o
6n-l
f-. -tN

a
H

Figura

196.

Ejes factoriales 1 Y 2

F
<r

ao
oi{
di
..'.

a NOO9
odo

o
9099
ts*60

o 'li9
tl

@r

d
!

H
&
<
>

5<HO
=zH
400
F
tuz)o
EE>H
d>4E

o
:d

6
rt

I
NOOO
HH

HHHNHHHHHHHHHHHHH+

4 QO4O
r'

z
ado
o
* 46NE

dr

o
I

jesfactorialesly3

Figura

198.

Ejes factoriales 2 Y 3

N{{6S
+6NF
idds

,*.r,nrr..l
lo demris son ceros. En este supuesto, las matrices de ponderaciorr*" (puti".rr) y .i"
c*;r*l:i,ii:ne,l i:rlrircurei coin.ciden en la mat,riz facioriai (factor rnatrij.

:r,i*dr *bii*ii*.

ESTPOBt
PSRTODIC

RICULT
vilTs"1
1}:DUSR
S'LD

;.4, ?.eprr:sentacin grfica

<cierrriinado e nmero de factores a conser r y realizadas las rotacior:'cs facloriales, se pueden representar grficamente ios resultados
obtenirjos. Ltn
ic: ;ig;ir.r'i*rilro anieriores se han presentado ejemplos de representaciones grficas.

-.6596e

.17274
.46636
.03760

.843?5

. 15024

1689

.06787
.26053

.27862
.06041

, r97 82

.01504
.

473

.81993

.73693
.86775

.027 70

.t7246

.82258
.78724

.03070

U)J I

<71R7

.34t+62

.47 495

.10140

Sl]]RUCTRE

FACTOR

orr
coord
vienen dadas por
ir:::peclivos coeficientes
entre
represen
r.".r:r': gr$cas sn muy ilustrativas de cara a la interpretacin
de resultados.

I}TUSTRI
Yi,iASNI

.4E053

NIVEI,VID
VIVIf,NDA
l.r6Rco

.24Ai7

.02205
.

.L7096
.40031

-.79032
-.09623

.790L6
.78468

.207t2

.08423
-.04717

.27457

10314

.90901

.03280

.04400
.68993

-.85671
-.77258

.64496
.o4466

49 178

- .05222

-.

.32064
.49721

.40290

FCOR CORR"ETON

FACTOR
TCTOR

['igura

tOTOR

t1

FCTOR

r. 00000
-.07580
-.25253

FCTOR

.07829

.50798

.a8527

}ENTAI,EN

los ndividuos sobre los

.82390

.32149

PRO

FACTOR

-.26822

.83232
.67979
.86963
.83566
.9?553
.04692

SIUD

FACTOR 2
- . LO235

.84545

L},PIEOIU
GRICULT
WNTASDE
VEITASM

puesto que se necesitara un espacio de F dimensiones,

siendo .F el nmero de factores
representados- En la prctica las grficas son bidimensionares, y por
tanto ponen en
relar:in a dos factores. se puede hacer un nmero de grficas
biimensionales iguar
a as ro.rnhinaciones de factores d.os a dos que puedan e-ncont.arse.
sir,
lo.
pr;'r:eras son los rns importantes.
"*bu.go,

.17101

ESTA}OBt
PSRIODIC

si se realizara una representacin tridimensional, se podran tomar

los factores
de lres en tres- No es posibe representar mis de tres factores
simultneamente,

J22

FCTOR

nttat
.08909
.2227E

-.L3720
-.50651

IfiNTAI,EN

rcToR
.069E7

.09940
.13426

PRO

se hace tomando los factores dos a dos. Cada factor

A estos

ueden re

KISER NORI,ALIUION.

.82380

-.31128

VVIENDA
IIGRACIO

,;na'rr

.915i7

NIYELViD

de las variabl

- r1(7n

-.

YUDASNI

En lu

8 1TERT1ONS.

.90594
.74906

ITNTASDE

La

IN

FACTOR

EXPLEOMU

sc:ia un

t0R EXTfiCT1OH

AI;IYSIS

PTTERN

i{a; q'le ir con mucho cuidado en la interpretacin de las rotaciones oblcuas,

ya que la su5'erposicin de factores pued.e conundir la significacin
de ios mismos:

-l

IN

OBTII-IIN CONVIRGED

La Fig,ra 00 (vase p,g. Bz4) presenta los ejes factoriales l y 2 rotados por
Los ejes 1y 3 estn en la Figura 201 (vasepag. zs) y los 2 y 3
en ia liigura 20? {vase pg. 326).

el

Bi.il{rN R0Tior{ 1

FiToR
1. 00000

Rotacir:nes oblcuas por ei mtotio oblimn

l
li
<rll
2
a
C
o

o
6d

'3

'-.
4(t
oHdN
6F

*d.$
NN
4d

<
H

5<Ho
!!zH
o@6u
dd<
?.

&
o

d tuz3a

kU

> d>{=
=!H

i&.

*4

F gON
ti

xN

1-{

t
r

o
F
o

4;

"1
d

{
z

!t

o
N

EOdiz
dHd
a aq
z>7
< o<d<
H HKSHH

cz>z
<
> EE<HH
>@>>

o
Ed
6

'

o
t{
{l

OQNO
606FO
dNd6
o.tooo

9ortF

o
o
u

O6F
FFq
66h69
dndoo
d606
rt
I

6tsOH
N9$4

4
d

d
H

4
>

liH
dH
o5k>
U
<HPHO
1>
2H<
H<Hz

dhH
6H
o5 {>
uo
{HO

r{Ca>
@azH4
H<H Z.

il{FOO

{FOO

19aq"':
tt

F
!

di.

Figura

324

201.

Rotacin oblcua (oblimn): ejes 1 y

;r..ri,:rlirffi

I
I

I
I
I

11.15. Interpretacin de factores.

f
f

Iasla aqu se ha *xpueslo de forma conceptual el proc.eso de anlisis factoria.

A parr-ir de los resultados obtenidos hay que proceder a interpretar los factores. En
la fase de interpretacin juega un papel preponderante Ia teora sobre el tema.

p(

Las representaciones gricas de os ejes factoriales son de gran utilidad en ia

interpretacin de los factores. En estas
las variabies saturadas de un mismo
"factor aparecen asrupadas. Esto

*
ts

Dos facilidades ms
lix saturaciones
e tal forma que las vaiiables con
can juntas. La eiim

H
d

eiminar

2
d
o
o
o

ts

U
ts
r

oq
<z
6H

:
q
a

hQNts
9A{6
oo4

a
o
o
u

oNoi

blancos (BLANK) tambin ayuda a la interpretacin de los resultados, al suprimir

informacin redundante. El investi

@&H
ob{>
<FpHO

ts*>
oz4

Si al programa de la Figura 183 (vase pg. 292) se aade ia instruccin

'FORMT = SORT BLNK (.25)' despus de'NALYSIS', Ia matriz factorial que
aparece en la Figura 187 (vase pg. 303) se convierte en la matriz de la Figura
203 (vase p,g,.328). Esta matriz todava no aclara la cuestin puesto que est sin
rotar. La Figura 204 (vase pg. 328) contiene la matriz factorial rotada ordenada.
Se han ordenado las variables en funcin de sus saturaciones facoriales, Adems
se han eliminado as ponderaciones iuferiores a O'25. De esta forma se facilita la
interpretacin de los resultados. La Figura 205 (vase pg. 3?9) ilustra el resultado
del anlisis factorial.

sl kHa

3':6

matriz factorial rotada

d2>Z
HH5Hh

,'igur* ?i'J. Rotacin oblcua (oblimn): ejes 2 y

'.idar a inter retar los factores: a) ordenarlos: b

Entrando ya en el plano de interpretacin sustantiva, a ttulo de ejemplo

podramos interpretar los tres factores obtenidos de la forma siguiente. Al primer factor lo denominamos 'actividad econmica', puesto que todas las variables saturadas
en este factor (industri, periodic, ventasde, ventasma, empleomu, agricult) guardan
relacin con la economa. l segundo factor lo denominamos 'bienestar social', ya que
las saturaciones m;s altas corresponden a las variables nivelvid, salud, ayudasni, paro
y mentalen. Al tercer factor lo denominamos 'estabilidad social', por ser las variables
con ponderaciones superiores la vivienda, estapobl y migracio. La interpretacin de
los factores constituye la culminacin del anlisis factorial.
3Lt

FACoR l,l

RlX:
FACTOR

'[i.lPLECfiU
V[IITASOE

,85141
.4436
-.78711r
.72503

lxrusTRt
P*O

vttAst{A
Rlflut-T
r

00r

-29956

-. 6?430

.67238

,28096

.45886

-, ?437 1
-.73940

tllGRAClO

vrvtENoA

-. 30?lr7

STAPOBL

-. 40450

.63205
.38347

NIVELVID
SLUD

.52896
,49779

-.36q5i

.68597
.45463

-.30025

t'IEIITALN

Figura

FACOR

. .30110

.3939t+

-. 686t9

AYUOAS{ I
PER

FACTOR 2

.891161

.271 34

-.64221
-. 63471r

- .321 18

203. Matriz factorial ordenada

VARll,,lAx

ROTATloll

VARI}IX CONVERED.

II{

IERATIONS.

RO1ATED FACTOR ATRIX:

FACTOR

FACTOR 3

.29454
.37620

-.tt9077

.88794
.794?4

-.71492
-. 62463

-.47460

-.37979
.84208

'.82247

.71706

Figura 21J4. Matriz factorial rotada ordenada

Figura

205,

Resultados de un anlisis factorial

.a

328

329

Fq"rl:-qljq3tryF.wll'r

".1r:: : r ''lTdiltrif'*.f

Normalmente no interesa la visin del listado de las puntuaciones.factoriales.

11.16, Puntuaciones factoriales

artorial

iln *hj*t"ivo 4gl_gli

Las instruccin LIST se ha aadido para que en el 'output'aparezcn las puntuaciones

f:Lctariales de xodos los individuos. cor*o acabamos tle ver, estas puntuaciones se
hallan err trcs variables denomjna<as soclALl . soclAlz y soclALB. una porcin
del 'output'de este listado aparece en la Figura 20?.

es

de ,t factotes, siendo & <

a*1i,":{lr :jl pn
pregl haY que

gr*p*

Corrio queda reflejado en ia Figura 206 (vase pg.331), las printuaciones

factoriales se utilizan como prediclores en un anlisis de la regresin,mltiple. Como
variable dependienle se ha seleccionado el ndice de deiincuencia (DELINC). En otro
captulo se expone todo lo referente a la regresin mltiple.

la"s puntuaciones factoriaies se realiza a partir de la matriz factoy

ral tolada se Lrasa en el modeo de Ia regresin mltiple, de acuerdo con la frmula:

El clculo de

FACTOR .i'ftrBLS

= ESAPOBL fO l{Eil-tALaN
= E5-APOBL T0 MNTALEN
SoR
BINK(.25)
=
/pLoT = tcN RoTTtoN(r ?) {r 3)
/NLYStS

F5

F;121

It;222+

"'

+ F;"Z"

=l
l=

/FoRMAT

F"Z'

/SVE REG (ALL SOCIAL)

LIST VAR|BLES = SOCIAL1 O

factorial de individuo j

en el factor i. Cada 'fl1

Siendo .{r la puntuacin
la y:cndr:racin factorial de la variable '1' en el lactor i, Las puntuaciones individuales
en ,-:ada variable, en puntuaciones estandarizadas, vienen expresadas por 21.

es

La puntuacin factorial individual 4; es, por tanto, una nota Z que se reere
que el individuo j hubiera obtenido en el factor i.
puntuacia
a la
resaltar

REGRESS I ON

/VARTABLES= SOCtALl

/STlSTlCS

SOCtAL3

SOCtL3 DELlltc

DEFAULTS TOLERilCE HSToRy cHA

/0EPENDENI=DELI t{C

/MEHoD= SrEpWtS

Figura 206. Puntuaciones factoriales y regresin mltiple (SPSS*X)

las

a es una

it

irirlividuos con sus puntt:aciones factoriales no ofrece demasiado inters. En todo

cto1representacingr@factorialesparacadapardeejes
faciariaies puede ayudar a detectar casos atpicos.

ti

v{etliante el SPSS-X
as en clculos posterior
el'inoutt ha sido la matriz

,i

'i
i

ii
ll

plo soc
se tuviera como 'input
uponlenoo que en
i:r ri;:.tri; di: dilios, y que a partir de las puntuaciones factoriales se quisiera realizar
u1 anlisis de la regresin mltiple, las instrucciones especfrcas para estos clculos
serian las de la Figura 206 (vase pg.331). La instruccin SAVE REC (ALL
socL) significa lo siguiente: a) sAVE: conselvar las puntuaciones factoriales; b)
till{i: i:lcuiadas por el mtodo de regresin; c) ALL: de todos los factores conservados;
d) SOCIAL: se cra una nueva variable para cada puntuacin factorial correspondiente
L r:srir,r ir.rior cr:lservado. Como hemos visto en los apartados anteriores, en el ejemplo
sociolgco se conservan tres factores. Por tanto se crearn tres nuevas variables
denominadas SOCIAL1, SOCIALZ y SOCIAL3.

l,

330
I

i
B

conserYar

soclALl

soctA].2

-,'331? -.#33

-,'13:,1i
'Hl
-.9086
-.??474
.03026
.1768

-.32649
-.32153

-,:#;3
-,:;i33
-1.97926
-.54989

soctAl3

:l:3333

.'.i?t"
-.23171

-.31016
1.84719

-.9i3;1
1.11318

'giZg -:33;3 l:l?331

.56745 -..58306 -.19427

1.11782 _.5630.1 -.06708
------ :?3J3",".-i3lf1","""1'il3",",".
de todos los individuos

Irigura 207. Funtuaciones actoriaes

5J I

i::dlirli*r*-**";a**,.*i&&&uu";**#!t&***a'tr'-;.

''

;-

ffnal

es

de exratin de f""tores ha stdo medl

ars estimacions por algn procedimiento

diferentes y pueden ploporcionI
propiedades
tiene
de
ellos
uno
e,ada
adecuadt.
destacar4os el de ndersonmtodos
estos
estimacsu.:sgeramente distintas. Entre
1967)'
Harman'
1971;
(Tucker,
Bartlett
y
el
de
Rubin. e! ti'; il regresin

lisis factoral,

y sus elementos

el

se

son pondera-

indicando

cada facor). qu las combinaciones lineales van en otta direccinj-lg@@e

combinan inealmente para expresar ca<la. variable; es decir, los elementos de lLmair-iz

11.1?. Anlisis factorial y componentes principales

l r{lisis actorial v el anlisis.de
.ionu,l

conponentes principale.s,estn muy rel4do como una etapa del primero' Otros

los i:Lr;:siie:iin como tcnicas diferentes.

pales

if

En el

de los co

*lcnte distintos.

habitual de ambos mtodos es una matriz d

la obtencin de factores en el
anisis tartorial se denomina com

.]:l'*l*

(BMDP, sPSs-X).

i.., propsito inicial de Hoteling (1933) al desarrollar el mtodo de componentes

principalcs era dar un paso importante en el problema de la extraccin de factores.

Pclerio::;ri:rte el mismo Hotelling lo vio como un n en s mismo' Para algunos autores, el a;rlisis de componentes principales es sencillamente una tcnica estadstica,
factorial una de ele se pr-1q1.,jg utilizar en distintas situaciones, siendo el anlisis
las. Otros contemplan el anlisis de componentes principales como el primer paso del
antisis faciorial, el cual se completa con las rotaciones. Sin embargo, hay autores
que cui:ir:rran que las rotaciones no formam parte propiamente del anlisis factorial.
el anlis'rs factorial hay probleme" de orden terico que aqu
omo p,r"d* u"rrn,
"o
slo podemos apuntar.

.' Tatsuoka. (107t) establece varias diferencias entre el anlisis factorial y el

anlisis de componentes principales. una de ellas es la siguiente. -En ebnlisis=,g

te,
con

factori

edelava
componentes Pr

2,2,',)

como combinacin
inicialmente slo se

H.lielling (1933). Esto

.1utid1 rie ilue las dos tcnicas son

sisnirca

se conservaran
a las vari

el resu

una comlte en extraer

componentes ortogonales. El objetivo del anlisis factorial consiste en reproducir la

mat;iz :"Jiciones con un nmero mnimo de factores. El anlisis de compoas
nentes principales ofrece una salucin matemtica nica. Mientras que no sucede
con la mayora de los mtodos de extraccin de factores en el anlisis factorial' Puede

interpretarse qle el anisis de componentes principales analiza la varianza, mientras

que el anlisis factorjal analiza la covarianza (comunalidad)'

otra forma de expresar las principales diferencias entre ambas tcnicas es como
sigue. El anlisis de coponentes principales describe aspectos observables; el resultado consiste en presentar los datos desde un punto de vista distinto, sin hacer ninguna
suposicin sobre estructuras subyacentes inobservables' Mientras-que el.anlisis facI', torial supone un modelo explcito por parte del investi
factorial
"nlisis
mis
reduc
de
un
retende
iciales son
no
mente en Psicologa y Educacin., Eg s!
illamente reducir la info:rnag!n
rmera.s

L.
8ffi"t.;;uiiliza,

de los

',

q"e

t"t"t"* es descubrir cules son las dimensiones

por ejemplo, en Marketing y Biologa'
ca!CI,Ja

f-lhu 'v'\-.

La decisin entre el anlisis de com

.iJ{v
ii,
:

ira; r

afl3isis dc

L,os paquetes de

ir
t

para el anlisis factorial confirmatorio y del cual se trata en un captulo posterior

sobre anlisis causal. En "Anlisis factorial confirmatorio" (velse pg.551) se reliza
un ejemplo mediante el procedimiento FACTOR y mediante el LISREL, con objeto
de comparar el anlsis actorial e.tploratorio con el confirmatorio.

un rnodelo tcrico

,rrf,

i..

i:

rincip:rl+;s y el anlisis factorial es

programas estadsticos nrs conocidos incluyen rl aalisis de

crrmponentes prinipales dentro del anlisis factorial. Se le considera cono uno de los
,r,;liiqls n:llr,rrios
'!e extraccin de facrrres. Por eso, er: la ejccur:in rie los paquetes
r:rr;rdisricos *cPss*x y Br{DP deben tenerse presente las siguientes recomendaciones:

l.

2,
;

La ejceucin del paquete por defecto (sin ninguna especificacin) supone realizar un anlisis de componentes principales.
si se quiere realizar un anlisis factorial se debe especicar el procedimiento
de *.xliraccin de factores que se desea.
sguiendo a Kim y Mueller {to7s a: 48), para un anlisis facrorial recomendamos los mtodos de extraccin de factores de mxirna ver*sirnilitud (ML
.. rna:;irnum likelihood) o de mnimos cuadr*dos no ponderados
{ULS : un_

weighted least squares).

ff

El progreso de la ciencia se hace de forrna acumulativa, evolucicnando desde

etapas exploratorias a oiras r:onrmatoriar. Fs.ra mis detalles sobre el anlisis fnctrial confirmatorio vase Cuadras {1981: 105-?13), Gmez (19e6), Jreskog y $rbom
{1985), b'a-r.,r'cl iril??r -69) y t*ng i18;J ;'i.

11.19. Tipos de anlisis factrial

Sigulendo a Comrey (1985: 251-262), Green (1978) y Pedret (1986: 65*67),
distinguir varias clases de a.nlisis factorial. La Figura 208 (vase pg. 336)

se pueden

resume la exposicin siguiente.

1.

i1.18. Anlisis factorial expioratorio y confilmtoro

2.

En el anlisis factorial

rlel carr:

se tiene un

eral desconocimiento terico

y no entre

3.
r:ari Thurstone (1947) y, en cierta forma, culmina con Harman (lggOj.

En el anlisis factorial confirmatorio se tiene informacin previa sobre las varia:'cs y sus intcrrelaciones. Esto permite que se formulen
hiptess ,a priori, que sern
1':''irlr.L!das empricamente. Una de las diferencias fundamentales
entre et anlisis
f:rcl61i31 exporatorio y el confirmatorio reside en que en ste riltimo se
requiere una
i:.iiil,r:sis pleva sobre el nmero de factores couns, as corno sobre
las relaciones
de dependencia entre cada variabe con cada uno de los r.actores.
lntre los representantes del anlisis factorial confirmatorio destacan Jreskog
v srLom {19s3, 1985), que han elaborado el paq'ete LISREL que se p,ede utilizar

Tipo R.- Consiste en buscar un nn*ro reducido de factores como combinacin

ineal de las variables iniciales. Es el tipo de anlisis mais usual. Cattell (1952)
la denomin 'tcnica R' para distiugul-ia tle otros diseios de anlisis factorialTipo Q.- Es el proceso inverso. Consiste en buscar los factores en el espacio
de los individum. Aqu lo que interesa son las relaciones entre los individuos
la.s variables. Para mis detalles vase Comrey (19S5: 251*259).
Si ademrs de variabes e individuos se introduce un tercer aspecto, 'momentos
en el tiempo", es decir la dimensin temporal, se pueden distinguir cuatro tipos
mis de anlisis factorial.
Tipo O.- Se miden un conjunto de variables en distintos momertos en el tiempo
sobre un mismo individuo. Se estudian las relaciones entre estos momentos en

el tiempo.

4.
5.
6.

Tipo P.- Es el proceso inverso al anterior. Se estudian las relaciones entre las
variables en funcin de las respuestas que un mismo individuo da en distintos
momentos a esas variables. Para detalles vase Comrey (1985: 259*261).
Tipo S.- Se estudian las relaciones entre individuos en funcin de las respuestas
que estos dan en dstintos momentos a una misma variable.
Tipo T.- Estudia as reiaciones entre momentos en el tiempo en base a los
patrones respuesta de unos individuos para una variable concreta'

Estos tipos de anlisis factorial se pueden utilizar con variables cuantitativas

continuas, medidas con escalas de intervalo o de razn. Para otros tipos de variables
e1.sten alternativas al aniisis factorial cl:sic,.r. Para un aniisis factorial de variablcs

134
335

,@

r
I
t
r

odinales puede aplicarse la tcnica de escalas multidimensionales. En nl caso de

variables cualitativas el rcurso a seguir es el anlisis de correspondencias" Estas
dos icnicas se exponen n Ios capituls siguientes. Si la"s varables son dicotmicas
puede ailcersc r:l anlisi:l la*l...ral br;oeano, que se ptesenta en el aparlado siguicnte.

Variables

11.20. Anlisis factorial booleano (dicotmico)

MARIZ
lndividuos

DE
DATOS

pl anlisis ,fipctorial booleno, tambi3 denomina+o an4Jiiii t?clgril .diLas puntuaciones del indiliduo i en
.oti
ffii,;,ysolamentepuedentomarva1oresdicotmicos,

Tiempo

I-2. En todo lo demis es muy similar al anlisis factorial

cliisico. El objetivo es, por tanto, expresar un conjunto de p variables (arr12,....'o)
por medio de m factores {r,f",....*), siendo rn < p' Expondremos el anlisis
iactorial clicotmico mediante un ejemplo de Mickey, {undle y Engelman (1985), al
cual remilinm para detalles de este ejemplo, as como para una breve exposicin de
carcter matemtico.

como por ejemplo &.1

Var iab les

Variables

sobre

las clulas linfocticas de la sangre se han administrado 20 pruebas a una muestra de

lndividuos

lnCividuos

Tieilpo

Ejemplo de anlisis factorial booleano (dicotmico).- En un estudio

Tiempo

ierc*c

Tiempo

50 individuos. Las pruebas eran anticuerpos reactivos- Se asume que la superficic

celular tiene antgenos que pueden ser econocidos por los anticuerpos reactivos' Un
anticuerpo reacciona si la clula sometida a prueba posee alguno de los antgenos
asociados con 1. Se asume que las clula.s de una persona dada tienen algunos de
esos antgenos. El resultado de cada prueba puede ser 'negativo' {codiflcado como
1=NONnSPONSE) o 'positivo' (codificado como 2=RESPONSE)' Cualquier otro
valor (por ejemplo el cero) se considera como una reaccin desconocida.
Las instrucciones para un anlisis factorial booleano mediante el BMDP, programa 8M, aparecen en la Figura 209 (vase pg. 339), donde se incluye la matriz de
datos. Porciones del 'outpat' se comentan a continuacin'
(vase pg. 340) aparece el nmero de indiYiduos, el nmero
y negativas (nonresponses) y el total. La matriz de
(responses)
de rcspuestas positivas
entrada ticne Z0 x 50 10O0 datos, pero slo se tienen en cuenta 986 para el anlisis.
distinto
Se consideran como valores perdidos (missing values) los que tienen un cdigo

En Ia Figura 210

de 1-2.

Figura

:ipos de anlisis factorial (Pedret, 1986: 66)

En el paso cero {step 0) aparecen tres factores iniciales. El nmero de factores

itcial depene de los que puedan calcularse sin ninguna iteracin; ei nmero preasig337

336

&+r

itre*W.rylryj'i]sl;w@wr$rlri.-r:li;iii

Cefrrlt-r suele sef tres. Para cada variable se indica el nombre, nrnrcro de
r,tr::c.sins angativas (nonresp) y positivas (resp) y cl porcentaje de respucstas posii:v:i-. ipi:l t**pi. U" ia columna de ia derecha se indica en qr.r* factor est saturada
i:aila uariahle"

' . i. ;;-r

342) presenta e resumen de las iteraciones en el paso

cinco, don,$e s ti,:in r:i:rco factores. En cada paso el Igraln ejtrcuta lasta un
mximo de tres ciclos (cycle) en su bsqueda de factores. Para cada ciclo se calculan
las discrepancias. La discrepancia cs la diferenci entre el valor observado y el que
ha nstimado el programa a partir de las puntuaciones factoriales y la matliz de datos'
{,a ciiscrt:pancia puede ser positiva (pos disc) o negativa (neg disc). Tambin se incluye
parte derecha de
;,1 .:in:*ro toial de cliscrepancias (total disc) para cada ciclo' En la
y
a la
positivas
corresponden
es
11
discrepancias
ia ligr:ra r;* intiica quc el m:iximo de
yariable j?. El mximo de discrepancias negativas es 3 y corresponden a la variable

La Figura 212

$,

,1 PROBI,EI{

IT,E IS

r'?RIN
1 END

scoRE. nsc.

'/ INPUT
,/ riAlia3lE

(vase pg.

'NAI,TSIS FACTORIAT, BOOI,EANO'.

VARIASI,ES ARE 20.
FoRttT rs'(10F1, lX, 10F1)'.
RESPONSES RX 2.
NONRT,S?ONSEs &E 1.

1111121111 1111 101t2L

111i 1 1 1 1 1r 11 11 1!l 2 !1"

i^:.ii.:t-ii2

I j1')

1111121121 2111 12L

L2I
24212LL1t2 1 112 tL2211
ltrILt1222 2ttz 12L111
202 120 1 10 1 12111201
0t2201

t,1 111111 1 r 121

1 111
111111

L1rr111222 2L122111
111111

2211111111

11011111
110
011
ZLLL
12217
110l" 1111 12 tt72
2t12
LLL 111
1111"111111 r.1111 111
111111
1l 111
i111111!22 11r) t1 111

)1)'211?r) Jtlt

.i*rs *at,:s se dan para el ciclo no y ds; sin embargo para los datos de este

1111111112

L2L2
222L
211-t- 11

2212tL2L11 12 10a22L
1l111 11 112 11122t7L
111111

tjeu:;rlo cr;,ittcitien en ambos ciclos.

1111111112 1222
222L
2LL111
1111111112 tr22
111.
l.11
2111
111 1111111 L2LT
1222
22LLL2
11 12 1 12111 1 111
1111
1111r.1
1111111221 211rr 112
111
L2L
LL12IL222L 21111112
L2r111
1 111111111 1111
111.1
111111
11.121r2t L2 1112211lllI L72
tt 11l1lr,11 11 11111L
11rr11
221 11111 11 1211T22T
212
2tL

En la Figura 211 (vase pg. 341) se exponen las saturaciones factoriales del
p;Eo cinco (step 5), que es el ltimo. En esta figura aparecen los mismos datos de la
tr'igura 210 (vase pg. g40), y ademiis se aade informacin sobre las discrepancias.
parecen las discrepancias positivas, negativas (discrep neg pos) y el porcentaje de
tiiscr*:pancias positivas (pct pos disc). A partir de esta tabla se pueden ver cules son
las variables similares. Por ejemplo, las variables 1, 2 y 18 estn saturadas del factor
uno. El nmero total de discrepancias de estas tres variables es 4. Esto significa que
de las 150 ohserlraciones de estas tres v-ariables (50 individuos por 3), cometeramos
cuatro ertes si realizramos la estimacin a partir de las saturaciones y la matriz

1111 11i. 110 11111111

111111
1111111 111 11 111111
111111
1t1 11t
11111 11 111 1 1111112
1 12 121r 11 1 tl11 Ll12
121111
Lt-21211111 1 1111111
111111
1 111111111 111111 11
111111

de datos.

L22rztttL2

22L1lllLLz

La Figura 213 (vasepgs.3434) contiene las puntuaciones factoriales de cada

iurlividrro, junto con otros datos ya comentados. Las puntuaciones factoriales pueden

21Lt
Lt22LI
L7T2
L2L2
?22t
2t22tl

t2t 1121111
1 Lt2
1L2t2tj.222 2L7?2 111
111111
1111111111

11111r 111 11111 111

111111
t- 112
2 111
T12
2Ll
1111111222 22L2
222L
zLL
111
1t1112111.2 L1I2
2tL2
L2I121
1111111111 111-11112
Lzr112
11r.1r-11121 2101ILL2
L2T
111
1

uiilizarse en anlisis posteriores'

22LLILI1,L2

La Figura 214 (vasepg. 345) presenta la matriz de discrepancias. Para cada

inrlr,rluo se seala en qu variable presenta discrepancias. El signo mrs (+) signifrca
respuesta observada y respesta no predicha; el signo menos (-) significa respuesta
-.;1:. r]-,;.;q1yaj;1 y respuesia predicha; el cero (0) significa valor observado desconocido;
y os espacios en blanco significan coincidencia entre valor predicho y valor observado.

lL'LLIL1222 2122
21Ll
LtzztL
2L2r2Llt22 ZILL 2111
111111
i t 1 1111111 1272222t
2tr111
itLl.to7222 2tL221 11
11111t
)11
22272tt1LI 11111111
LT2

Algunas diferencias entre el anlisis factorial clsico y el anlisis factorial dic4tmico son las siguientes. La primera consiste en que este ltimo utiliza para el
clcuio lgebra de Boole. Otra se refrere a las puntuaciones factoriales. Recordemos
ie iln {'1 a,llisis factorial clisico la puntuacin factorial es una com-binacin de todas
l:ls variables con,las cargas factoriales. En el anlisis factorial booleano, cada indi-

22272LL17r
1

Figura

209.

1111t"

112

2t22LL
L2III22t
LI122ttr
111111

Programa para un anlisis factorial booleano (BlvDP 8\{)

339
338

&

sltlP$$

NU|BIR

iri.

f:)SLgAr{ fAcTCR ANALYSIS

IASSS REA!'

2fi4

STf,P 5

) L

.tr

986

FACTOR TOADINGS
i

LOADINGS RE

FO

I,iTED AT T1IE RIGITI

IBELS)
rr,ol

r:c

Acr0TS
"T8-3R

ST:P

t?t$lB"o*,

FACTOR3

!!!t

1TTIT

RB

TACMR4 5 FACTORs

ccccc
00000

PCT

i'fio$'fr ffi*
.aRELS)

sr,OW

FO

TtG

lz3

TL

r-t

OA
RB

VRIABLE $I.]]"!}ER OF SP
uo -'-'-'nr, Nl*Rr sP
.1
1?
1 (1)
3E 10
2 X(2)
39 10
3 x(3)
464
4
X(4)
40 10
s6 x(s)
453
X(6)
464
7 Xa7)
40 1"0
se xa8)
13
36
x(e)
.1
11
10 x( 10)
tJ
) I
t1 x( 1r)
38 12
12 X( 12)
444
13 X( 13)
26 23
14 X(14)
38 t2
ls x( ls)
39 10
16 X(16)
38 11
r7 x( 17)
36 13
18 X( 16)
463
1e)
1e x(
146
4
20 x(20)
R-E

.r

AAA

ccc

TTT
000
RRR

L23

RIASLE

i.

LASEL

7
8

X(7')

x10)

e
ro
:

x(8)
x(e)

x( r.r)
x( i2)

i3 x( 13)
"?L x( 14)
15 X( ls)

:i- x(16)
x(17)
1,8)
5 x( 19
l"r
't,J X( )

X( 20 )

PCT
RXSP

NUMBER OF

NONRESP

--;e

RESP

1oo

.21 100
38 10
20 010
39 10
I 001
464
010
40 10 20
6 000
453
I
46 10 20 001
000
40 13
000
36 22 27
000
45
27 !J
26 000
5l
24 000
L2
38
8 000
444
47 000
26 23
24 000
38 12
20 000
39 l0
22 000
38 11
100
27 000
36 13
6 000
463
8
7l

L '. i/
2
3 x(2)
x(3)
3
xas)
i (o)

tJ

t+

10.

PCT

DCD

26

2L
20

2A
6

20
45

26
24
8

47
24
20
22
a7

DTSCREP
POS

NEG

11
10
00
04
00
03
04
30
00
00
00
00
04
01
00
10
0
01
03
o4

P0s
DISC

100

100
100

0
0
0
0
0

100
4
0

1l

100
E

100
100

10000

10000
01000
00000
01.000

00000
00000
00010
000 10

00100
00010
00001
00000
00100
00001
0000

00000
10000

00000
00000

Figura

r2345

l.jr

TCTOR LOADINGS

"I

'

r.o*t

211.

factoriaes
Anlisis factorial booleano: saturaciones

booleano (paso c'rro)

Resultados de un anlisis factorial

li-,l

'i,rt.

:'

.a

tAZ

3z

H'
dE
<d^

>39
t(

=
e

.ig*ra

?13.

doN
tsO{
H
k

H6

Fo

8.
Ee

uoo
6
o
<F.
<H
tsQh
K
oo
HO
FG
oooo
AAA

EBd
<
oooo Ji
>>!
oooo
qaQ6
dde
.os
'o4
oF
ots
za
2a
hq{h

dd
hO+
H
F6

<H6

6
<HO
H
K6

<H6
H
F6

.o4
ots
z

P-

UN

rs

00000

RRRRR

looooooo

.6

nlisis factorial booleano: discrepancias

TTTTT

CA5E
FTT g6TgP POS
NUMIUR OF
NO. tAgEt NOIRTSF RESP RESP NEG POS DISC
2 10000000
1
2 11
I
\7
22t731500010000
33128400001010t
4
3 0 0001{)
4
15 5 25 I
551363200S11100
0
I
L7 00110
6
6
30
6
L4
'
0
011001
7
9
6 40 0
1 10000000
8
0
19 1
5
I
000110
9
5 25 0
0
l5
9
0
0
010000
10
t6
2 t1
10
01111S
0
r-l
r1
11 9 45 1
0
1 33 00100
L2
t2
16 3 16
0
0
0
000000
13
2A 0
13
0
000110
14
14
15 5 ?5 0
0a:.01
0
15
15 5 25 0
t5
2
I
42
0
Zt
100r
16
11
I
0
00010
L7
z
18 2 LA 0
qQ101
1 17 o1oo
18
L4 6 30 0
I8
1 j+0
33
:

i9
tt
is
it
00001
20
15 5 25 O 2 100
Z0
90000
2t
21
18 2 LO O 2
'osolo
I
2s
4
2o
o
1,
i6
it3
0
3 50 00010
L4 6 '30
23
24U4?O0000000000
60 ooloo
o 3
1s
i5 5 z5
i
0
0 :0 00000
0
26
20 0
?6
0
010001
30 0
27
t4
27
000000
0
0
0
28
19 0
t8
0
0.0000
0
0
29
20 0
:9

<d

6oouo A
<H

CCCCC

12456

)<

doN
ts@
H
k

1234s
TTFT.F

PCT

>3:

. ' .

a"
L

RB
E
L

T
0

<ad
=a
o

FO

R,ICI{T

sz
X

P
o

Ti

t{

RE

I.3ELS)

od

3z

<H6
F

Bg.01'I

t g
d
2

(THf, SCOft,S

x3d

g
H
2

scRss

ISTED Af TilE

{Oo
F@9
OH
F

sEP 5 racR

Figura

213.

Anlisis factorial booleano: puntuaciones factoriales

-...1