(\r
',$-\Y
Yd
i .cl
'):^
*'l I
i\
(i
\'
!'
""i
,"f -' :
11.1. Introduccin
r)
11. ANLIS$
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
',
\i
j
,'}
'
'\
S or.t^
it
d
iJ
.(
..t
*$
f_."
r:-cf.!.rr\
',...1
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"^
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.
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).,
coiPr,bacin el modelo'
b
rt.\
-.) r.^%t
1.,,rr,1,., l,
,' r;t)c.,",,
scas:
iru,:lria
,,1
los
)'
Harre anlisis factorial es la de
H tlliltnii#i::;*-ru:ry;:rii''
(19?2);;;;'' Jg"iau-""t" t"
s
*
us
.
",il
(1e67
"'"d;;;;;;;b
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
1"h
Jd , ,1) rl
,g*Mto
Wtiwtl)
Varl blcs
"*po""n
(1985: 126-150)'
zle-it$i. t ulaik
no-is)' dorrison
"'\l
F"t
F*t
F",
Fr..
F"'
;,"
"
|,'
'"r''
289
inej*[.
J"'!':tu' u'+''ig'f's
tr1.-r-...,1"r
i47
{}f-'-r'"(:'. ')r'ri;'.1.1.r
p,i^., p.!.u
,r,..r;t
:,^-r;.l
!'',r.j:!
.if,Jl+ffiffi
| ,,'!i.i,t;: gt
.'j
,r\
i"r- :
tt
L': ('")';14')r';'
(i'
f]{J
*1' ,:'
't,
t1,.;
lr
t' . lt l,
fi
t'.
,t
It
r. (
lnfA i:)
il
l
I
E
H
a las variables
tr; mtodo es cle los
lican Ia
nales '{"
.- , a. -:i- t
(.(,9''Mt
dt{!'rti'?.
3":*!!{n
mle
a realizar rotaciones
-''
)h-:
," ':
*todo
t
E
ffi;b'losmtodosde
4
E
?
3
la'
iupo""t*
earr^ ?z
Za-:;*i;Z+=iaa
N.E:EB
Figura 182.
-)
G
)*
\
290
atemt
y de
El clculo del anlisis factorial, con un nrnero considerable de individuos
clcuios
estos
ordenadores
de
los
variables, es sumamerrte laborioso. Con la llegada
que el anlisis factorial se
han dejado de tener importancia. Esto ha contribuido a
investigacin en ciencias
la
en
utilizadas
m;s
tcnicas
las
de
una
en
haya convertido
'ri
",
''ri
t'
npte'
'
Pf+oit:9
t"tst Tfo "ti
' Si bien hemos de adelantar que' como
"iB-gryrpqbg-gJ..1"
que consideran el anlisis de componentes
"
o'u ie.r,i.r distinta del anlisis faciorial. Por eso, cuando realmente
;;;;;
factorial y no un anlisis de componentes prin-
e
tr,s
i'.t.ed'
''u,- r
1 J
i'"{..,
eh,
,.,t.
:ar,'
'i
i
f
()
N
ON
(f,dr
()!oo
<)do
o\o\o
o()\o\o
-,:--.-.. ] ----,/
i1?'
grfica.
6NN
dtl
c,drd\+
c)doN
odr\o)
i_l
'..it"'1;gi
dll
coooor
O\O-tn\+
6ra'l
dt
orNO(O
OOt-O(O-fr
OrNOoN
t
,t.tlj.
1:1
'1-
:,
4tu
4aL
DHo
=.
otC)
in<
ilsod
i3lt
"Sr
:,1
,"'.,
,' .-l
'r
.a
e111?"1?,..eii'
tz
E
r'l
EEg
(-t<<
r-l<<
4l-
4H
F<
Ef,^
'z?<^
_.-u^,
ltZN
= ;;il
Erl
(t
Ed
Zo v
<joz
e FrO
'
,,i,
'r
t{t
en el anlisis
atriz de
q
F E E#: EiHss:aEE
' '-l,',',', ,'i
gg
;,,;!:o'' i,:r',f'!
..-\\
i
EE
E
g'
3rR3R3:3e
3rR3R3:3e
;''
HEE
e*"
.'
EE
,;
eO<'r\
:
t
;;
'
I I
6\tr\t66
oNcr4oNN
oJt+oNO4o
trr
i I
oiFrO(D+dN66O\ONn
oz
Hlf,o
! t.].t'i
result
faclita la i
"
factorial
EE gFniin$i$
E sxnHSEn "''''''''i'.:,;it,\
,
cuEF3H'3Hx ";''
:qqqq8iqiE_
E"43F5ee{t*g
r)H
ZtY
g-,ii
; -
E:E
=-'
".., x.
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
r
V
J'
Yl-tue
2s3
ldr,
,
a
Esto indica que los datos pueden ser adeuados para realizar un anlisis factorial.
=s,s' l
,i-
;-\"
"
*s
''J
l
\
)
)
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
_Nqlos
^
Si se confirma la
glp
f{
*' 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
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
KMo=
es:
x' = *ln
I
l
li
Kaiser (1974) ofrece un baremo de evaluacin del ndice KuIO que reproducirnos en la Figura 185.
"
Q^)
l"s
-ft
::
t,:':
'/t'\
$l'
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-
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
r,,i.*
4MO,
de Kaiser-Meyer-Olkin' es un
de correlucin observtdos t
"s
1' las masnitudes de los coeficientes de correlaciqlr parcial.
zs6
K!/1-
i y i, y o;i e6 el
bles es
_d
i*i
x2 =
#fba
i*i
t * tl62v + s)llnll
DD*
de
l"rl''
,i".
fT#&r,tl
'
,1
$"
r
l:"
f
t{r= 'r}
-'
'
intercorrelaciones mu
$
a
muy bajo.
Esto indica que los datos pueden ser adecuados para realizar un anlisis factorial.
lugar;i-altninante de-matriz
ta
'u
=s
$l
r-
G*
'd
\
ri
?s
-o
oo6otoo600$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
\ -iii
=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
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
of"ll
(.":tut1.j!3d.
"fi1&r9uttt'a-*
as'
.f"
r'ri""
5,,
-(
!fisg.o,P
.vt:':th,'yii:
.!.trrrjjls4.14]glii::e:ij
q
'.:'.t.'
/ /r
e tul
w"
LMffivM,
rniti
f4j6r,
r,t;), alh P+
'
r#,
,,,t
todas
q
,;,,,,1.7'
'+-
'/I
^mn'-'
{*'yn^rgol,
Arr,r;irtsdic.:r de adecuacin de
la muestra (MSA)
,lrl, iY
*f'alf,s ,t,';fi
MSA=
D,,
;*j
\-,trt + lJ\-
lJ
i*i
i*i
"?rt
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
-{l'.
ae
Si los
El
"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.$.
corr"lrciones@a
1S4 iv*sc: pg. 394) puede verse como las medidas de adecuacin de la rnuestra del
ejernpio son altas.
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
,Igg1llg19rlg*g jgr*g:nhlg-:qlli.a_+,t
- :98
di
_qi"tqss_
p.;"rb;;,
* tu ti*gadi ;
tCIs
299
-'T
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
1980)
PC,
(principa colpnetrts
znalysl.s
se vaya a
PFA
1976)
l'980)
";.:rPal ax].s
PC1
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)
193)
ULi.A
iili:"s'?#; 133?"'"
!*Lffiffi"
ti;//WYL'
l*.{,r*
q,*tv.':.,,t(.
wdi
El-anlisis de
t'V
/cJ'Jf{,
t
poodera{os (}Iarman y Jores, 196 )
ao
uadrados
nioos
"*"(ii*.iu
lr
,"
.:tiri.
oq?P
least'squares)
cuadrados geueralizados
M-nimos
"*;;";;irest squares )
Hi:.i'r* (Haroan'
198Q)
417=441),J-pglg
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
-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
*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
rrvbLvLu
_-155aC
.63205
.csas6 -.ila
.t r.' r.rqBcro
YiYIEYDA .o7le4
anTara
apn'ta<{os siguientes.
\N.
o
_
tEMr.EN
PES
-.tajtt+
. :oos
-'.jtt
-.sij
'.sitt
FCTOR 3
.06063
-.40450
:;
ine
- ey,lt,
-.ey,t+
.iego
0935 1
..ese
,
.iii\
.itts
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
f: I
l::
? :*1'b
rrc;Lcinrartos
entre s./.
1
id
de correlacin entre el
Figura
187.
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
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
+ (-0'30035) =
183
ulo,
,factores en la
los
mair
otros factores. oue comolggUsMp
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'
i..
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
304
el factor
Ie-4st!s-oqcide-
-8.t"
s11.4-
/'
La suma
Fli,pe}--
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
apartado
un indica que la va
tr**rrre
igualdad:
l=h2 +Ut
{)
y U el factor nico'
,siendg lizrla comunalidad
rh
lue
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"
Pl.9
l'l:'i
lgualmentelopodramoscalcularparalasotrasvariables.Deestaformase
niq *
vfuT';ia
:8ti.i
v$i,i .8e4s
!:'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
'/
-&'1445
VIVENUA
-350?4 **
.70833
I-TlGR{:IO
PAlO
.15977 *
}INTI,N
: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
*+(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
td
I
+H
t
'
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
''
Figura
189.
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
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
!,X
-\"
--c'30247' + 0'685972
+ (*0'36451)? =
lgalmenteiopodriamoscaicularparalasotra^svariables'Deestaformase
(vase pdg' 303) en el apartado
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
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
'
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
iiiSrrr:,
i-r8.
)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^*-
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
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
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'
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
n este
caractersticas: 1)
lncl
0'026
-0'018
-0'483
0'639
Factor
0'600 0'70,J
0'500 0'500
0'200 *d500
-0'300 0'600
--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.
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,
'':
"^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
!'igura
J 1:|
102.
Rotaciones factoriales
inalteradas.
Este cambio
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
Figura
el ecua-
se
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.
se
mtodo oblimn.
cornc
rr.-1--:^-^.^.}
"rr -*ffies,
altos
rnlmlzat et nu
auorrlitr, -
los
va.riables
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
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
<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
.82390
.32149
PRO
FACTOR
-.26822
.83232
.67979
.86963
.83566
.9?553
.04692
SIUD
FACTOR 2
- . LO235
.84545
L},PIEOIU
GRICULT
WNTASDE
VEITASM
.17101
ESTA}OBt
PSRIODIC
J22
FCTOR
nttat
.08909
.2227E
-.L3720
-.50651
IfiNTAI,EN
rcToR
.069E7
.09940
.13426
PRO
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
-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
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.
;r..ri,:rlirffi
I
I
I
I
I
f
f
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(
*
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
@&H
ob{>
<FpHO
ts*>
oz4
sl kHa
3':6
d2>Z
HH5Hh
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
VARll,,lAx
ROTATloll
VARI}IX CONVERED.
II{
IERATIONS.
FACTOR
FACTOR 3
.29454
.37620
-.tt9077
.88794
.794?4
-.71492
-. 62463
-.47460
-.37979
.84208
'.82247
.71706
Figura
205,
.a
328
329
Fq"rl:-qljq3tryF.wll'r
".1r:: : r ''lTdiltrif'*.f
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
gr*p*
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'
factorial de individuo j
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
/0EPENDENI=DELI t{C
/MEHoD= SrEpWtS
las
a es una
it
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
5J I
i::dlirli*r*-**";a**,.*i&&&uu";**#!t&***a'tr'-;.
''
;-
ffnal
es
lisis factoral,
y sus elementos
el
se
son pondera-
indicando
conponentes principale.s,estn muy rel4do como una etapa del primero' Otros
pales
if
En el
de los co
*lcnte distintos.
.]:l'*l*
(BMDP, sPSs-X).
te,
con
factori
edelava
componentes Pr
2,2,',)
como combinacin
inicialmente slo se
se conservaran
a las vari
el resu
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
f-lhu 'v'\-.
.iJ{v
ii,
:
ira; r
afl3isis dc
L,os paquetes de
ir
t
un rnodelo tcrico
,rrf,
i..
i:
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_
ff
se pueden
En el anlisis factorial
rlel carr:
se tiene un
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
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'
134
335
,@
r
I
t
r
Variables
MARIZ
lndividuos
DE
DATOS
pl anlisis ,fipctorial booleno, tambi3 denomina+o an4Jiiii t?clgril .diLas puntuaciones del indiliduo i en
.oti
ffii,;,ysolamentepuedentomarva1oresdicotmicos,
Tiempo
Variables
sobre
lndividuos
lnCividuos
Tieilpo
Tiempo
ierc*c
Tiempo
En Ia Figura 210
de 1-2.
Figura
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
La Figura 212
$,
,1 PROBI,EI{
IT,E IS
r'?RIN
1 END
scoRE. nsc.
'/ INPUT
,/ riAlia3lE
(vase pg.
i^:.ii.:t-ii2
I j1')
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
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
de datos.
L22rztttL2
22L1lllLLz
21Lt
Lt22LI
L7T2
L2L2
?22t
2t22tl
t2t 1121111
1 Lt2
1L2t2tj.222 2L7?2 111
111111
1111111111
22LLILI1,L2
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
339
338
&
sltlP$$
NU|BIR
iri.
2fi4
STf,P 5
) L
.tr
986
FACTOR TOADINGS
i
LOADINGS RE
FO
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
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
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.
-...1