A Factorial

Curso de Doctorado Curso de Doctorado
Estad Estadstica stica Multivariante Multivariante Aplicada Aplicada

Bienio 2006-2008 Bienio 2006-2008
CARMELO A. VILA ZARZA
Departamento de Estadstica
UNIVERSIDAD DE SALAMANCA
An Anlisis Factorial lisis Factorial..
Carmelo Carmelo vila Zarza vila Zarza 2007 2007 - 2 - Curso Doctorado ESTADISTICA MULTIVARIANTE APLICADA Curso Doctorado ESTADISTICA MULTIVARIANTE APLICADA
ANLISIS DE COMPONENTES PRINCIPALES ANLISIS DE COMPONENTES PRINCIPALES
AN ANLISIS DE COMPONENTES PRINCIPALES LISIS DE COMPONENTES PRINCIPALES
El objetivo del ANLISIS DE COMPONENTES PRINCIPALES ANLISIS DE COMPONENTES PRINCIPALES es
analizar si es posible representar adecuadamente esta informacin, a
partir de un nmero menor de variables, construidas como
combinaciones lineales e incorreladas de las variables originales
Aunque esta tcnica es debida a Hotelling (1933), sus orgenes se
deben a Pearson, K. (1901), cientfico britnico quien trat de
encontrar la matriz de menor dimensin que la original que, en el
sentido de los mnimos cuadrados, mejor resumiera la informacin de
los datos originales.
Pearson, K.
Disponemos de los valores que para p-variables, toman n individuos (unidades
experimentales), en una Matriz X de datos (dimensin n*p) Deseamos obtener UN
ESPACIO DE DIMENSIN REDUCIDA que represente de forma adecuada los datos
C Cmo realizar un mo realizar un PCA PCA en SPSS? en SPSS?
No existe en el programa SPSS una opcin propia para realizar un ACP.
Para hacerlo, deberemos recurrir a la opcin Anlisis Factorial (AF)

Dado que el mtodo de las
componentes principales es una
tcnica descriptiva (geomtrica)
para la reduccin de la dimensin,
puede considerarse tambin como
una solucin para el problema
factorial.
As lo considera el SPSS. Por
tanto, veremos este anlisis tras
revisar el ANLISIS FACTORIAL
AN ANLISIS FACTORIAL LISIS FACTORIAL
ANLISIS FACTORIAL ANLISIS FACTORIAL
An Anlisis factorial lisis factorial - -FA FA- -
El AN AN LISIS FACTORIAL LISIS FACTORIAL (como el an anlisis de componentes principales), lisis de componentes principales),
TIENE COMO OBJETIVO REDUCIR LA DIMENSIONALIDAD DE LOS DATOS
Es decir, tiene por objeto explicar un conjunto de variables
observadas por un pequeo nmero de variables latentes o no
observadas, que llamaremos factores, obtenidos a partir de
correlaciones de las variables observadas.
El anlisis factorial surge del inters por comprender las dimensiones
de la inteligencia humana en los aos 30 del siglo pasado. Sus orgenes
se deben a Spearman, C. (1904) Psiclogo ingls. Tambin
contribuyeron al mismo de forma significativa Pearson y Hotelling
(1933) Thurstone, (1947). Los mayores avances en esta tcnica se
han producido en el campo de la psicometra.
C. Spearman
Variables Cuantitativas Variables Cuantitativas
Al igual que en el caso del ANLISIS DE COMPONENTES PRINCIPALES, el
ANLISIS FACTORIAL debe realizarse a partir de datos obtenidos de
variables cuantitativas.
Los datos categricos o cualitativos (tales como el sexo o la nacionalidad) no son adecuados para
estas tcnicas, existiendo otras especficas (algunas de las cuales se vern en este curso) para dichos
datos.
En general disponemos de los valores que para p-variables, toman n
individuos (unidades experimentales), en una Matriz X de datos (dimensin
n*p), es decir, se parte de una matriz de datos correspondientes a los valores
de n individuos medidos sobre p variables
!
X
nxp
=
12 1,01 1245 56 9,6 124
14 0, 46 3254 64 3,2 185
19 0, 74 845 56 4,5 172
11 0,98 2143 53 3, 4 136
11 0,01 9854 46 3, 4 214
13 0,62 6231 57 3,6 169
10 0,12 8451 86 7,5 128
"
#
$
$
$
$
$
$
$
$
$
%
&
'
'
'
'
'
'
'
'
'
PCA PCA vs vs FA FA)
El AN AN LISIS FACTORIAL LISIS FACTORIAL y el AN ANLISIS DE COMPONENTES PRINCIPALES LISIS DE COMPONENTES PRINCIPALES,
a pesar de compartir un objetivo comn (REDUCIR LA DIMENSIONALIDAD)
presentan distintas peculiaridades:
AF
*Estudiamos la estructura de
correlaciones entre VARIABLES
*Se buscan factores hipotticos
que EXPLIQUEN las variables originales
*Representamos CORRELACIONES entre
variables y entre variables y factores
ACP
*Nos interesa la informacin de los
INDIVIDUOS
*Queremos describir los valores de los
individuos mediante un pequeo n de
variables, que sean combinacin de las
originales
*Representamos INDIVIDUOS
Tipos de AF Tipos de AF
ANLISIS FACTORIAL EXPLORATORIO
-Anlisis a priori
-Reduccin del nmero de variables
-Plano factorial
-SPSS-BASE
ANLISIS FACTORIAL CONFIRMATORIO
-Anlisis a posteriori
-Confirmacin del ajuste realizado
por el investigador
-Modelos de Ecuaciones estructurales
-SPSS- AMOS- LISREL
Variables Cuantitativas Variables Cuantitativas
Los datos para los cuales razonablemente se pueden calcular los
coeficientes de correlacin de Pearson, deberan ser adecuados para el
anlisis factorial.
Supuestos. Los datos deben tener una distribucin normal bivariada para
cada pareja de variables y las observaciones deben ser independientes.
En general se parte de una matriz de datos correspondientes a los valores de
n individuos medidos sobre j variables
!
X =
12 1,01 1245 56 9,6 124
14 0, 46 3254 64 3,2 185
19 0, 74 845 56 4,5 172
11 0,98 2143 53 3, 4 136
11 0,01 9854 46 3, 4 214
13 0,62 6231 57 3,6 169
10 0,12 8451 86 7,5 128
"
#
$
$
$
$
$
$
$
$
$
%
&
'
'
'
'
'
'
'
'
'
El procedimiento de anlisis factorial puede aceptar entradas en forma de una matriz de correlacin generada desde otro
procedimiento, como el procedimiento Correlaciones (debe usar la sintaxis de comandos para leer en los datos de la
matriz).
Objetivo del AF Objetivo del AF
El modelo de anlisis factorial especifica que las variables vienen
determinadas por los FACTORES COMUNES (los factores estimados
por el modelo) y por FACTORES NICOS (los cuales no se
superponen entre las distintas variables observadas); las estimaciones
calculadas se basan en el supuesto de que ningn factor nico est
correlacionado con los dems, ni con los factores comunes.
Calificaciones de 8 estudiantes
en 4 asignaturas:
Matemtica, Fsica,
Historia e Ingls,
ejemplo ejemplo
n = 8 estudiantes
p = 4 asignaturas
X
1
= notas Matemticas
X
2
= notas Fsica
X
3
= notas Historia
X
4
= notas Ingls
Abordemos ste problema desde un EJEMPLO
Disponemos de los valores (notas) que para 4 variables (asignaturas), toman n individuos
(8 estudiantes), en una Matriz X de datos (dimensin8*4). El problema que se desea
resolver pasa por ENCONTRAR UN ESPACIO DE DIMENSIN REDUCIDA en el que los
FACTORES permitan explicar de forma adecuada los datos
X =
Cada calificacin puede ser contemplada como funcin de
la inteligencia (Int) del alumno ! factor comn
la aptitud (Apt)para la materia en cuestin ! factor especfico
M = a Int + Apt M
F = b Int + Apt F
H = c Int + Apt H
I = d Int + Apt I
en 4 asignaturas:
Matemtica, Fsica,
Historia e Ingls,
ejemplo ejemplo
o tambin cada calificacin puede ser contemplada como funcin de
la capacidad cuantitativa (CC) del alumno ! factor comn
la capacidad verbal (CV) del alumno ! factor comn
la aptitud (Ap) para la materia en cuestin ! factor especfico
M = a
1
CC + a
2
CV + Ap M
F = b
1
CC + b
2
CV + Ap F
I = c
1
CC + c
2
CV + Ap I
H = d
1
CC + d
2
CV + Ap H
en 4 asignaturas:
Matemtica, Fsica,
Historia e Ingls,
ejemplo ejemplo
p k pk p p p
k k
k k
U F a F a F a X
U F a F a F a X
U F a F a F a X
+ + + + =
+ + + + =
+ + + + =
...
...
...
...
2 2 1 1
2 2 2 22 1 21 2
1 1 2 12 1 11 1
X
i
variables observadas
F
1
, F
2
, , F
k
factores comunes
U
i.
U
p.
factores nicos (especficos)
a
i1
, a
i2
, , a
ik
i=1,p saturaciones
Modelo del An Modelo del Anlisis Factorial lisis Factorial
MODELO FACTORIAL LINEAL: Sean X
1
, , X
2
variables aleatorias observables sobre una
poblacin. Se trata de encontrar p+q nuevas variables denominadas factores, F
1
, , F
q
, U
1
, ,
U
p
, tales que
i k ik i i i
U F a F a F a X + + + + = ...
2 2 1 1
Ecuacin Fundamental del Anlisis Factorial
Modelo del An Modelo del Anlisis Factorial lisis Factorial
A la suma de las contribuciones de todos los factores comunes

h
i
2
= a
i1
2
+K+ a
iq
2

se la denomina comunal idad, de forma q ue la variabilidad de una va riable
cualquiera es la suma de su comunalidad ms su unicidad

1= h
i
2
+ d
i
2
, i = 1,K, p

El modelo factorial lineal puede expresarse en notacin matricial como

X = AF + DU
X = (X1 ,K, Xp ! ) ; F =(F1 , K, Fq ); U = (U1, K, Up ! )
A = (a
ij
); D= diag(di )

C Cmo realizar un mo realizar un AF AF en SPSS? en SPSS?
Para obtener un Anlisis Factorial (AF)
Seleccione los mens:

SPSS
Selecci Seleccin de variables n de variables

En primer lugar, se deben seleccionar las variables que intervendrn
en el anlisis factorial.
Seleccin de casos en el anlisis factorial
Para seleccionar los casos para el anlisis, elija una variable de seleccin y pulse en
Valor para introducir un entero como el valor de seleccin. En el anlisis factorial, slo
se usarn los casos con ese valor para la variable de seleccin.
SPSS
Estad Estadsticos descriptivos sticos descriptivos
DESCRIPTIVOS DESCRIPTIVOS
SPSS
ESTAD ESTADSTICOS STICOS
Los DESCRIPTIVOS UNIVARIADOS incluyen la media, la desviacin tpica y el nmero
de casos vlidos para cada variable.
La SOLUCIN INICIAL muestra las comunalidades iniciales, los autovalores y el
porcentaje de varianza explicada.
SPSS
MATRIZ DE CORRELACIONES MATRIZ DE CORRELACIONES
Las opciones disponibles son:
Coeficientes, niveles de significacin, determinante, inversa, reproducida, anti-imagen
KMO Y PRUEBA DE ESFERICIDAD DE BARTLETT.
SPSS
La MATRIZ DE CORRELACIONES, nos informa de la estructura de
correlaciones entre las variables observadas
Matriz de correlaciones Matriz de correlaciones
Correlation Matrix
1,000 ,943 ,302 ,560
,943 1,000 ,544 ,758
,302 ,544 1,000 ,934
,560 ,758 ,934 1,000
MATEMATI
FISICAS
HISTORIA
INGLES
Correlation
MATEMATI FISICAS HISTORIA INGLES
El KMO y el test DE ESFERICIDAD DE BARTLETT, nos proporcionan
informacin acerca de la VALIDACIN DEL MODELO DE ANLISIS
FACTORIAL
El Test de esfericidadd de Bartlet (BARTLET 1950), es el anlogo multivariante del test
estadstico que es frecuentemente aplicado para ver si el coeficiente de correlacin
simple es significativamente diferente de cero y sigue una distribucin Ji-cuadrado.
Contrasta si la matriz de correlaciones es la matriz identidad, lo cual indicaa lo
inadecuado del modelo factorial
El CONTRASTE DE KAISER-MEYER-OLKIN (KMO) - ndice que mide la
suficiencia de muestreo (o adecuacin muestral). Su rango es entre 0 y 1
indicando que, para valores bajos, el modelo es inadecuado Kaiser (1970).
Segn Kaiser (1970), el KMO debera ser mayor que 0.5 para asumir que ha
sido alcanzada medianamente la asuncin de Guttman (1954) quien sugiri
que las estimaciones de las correlaciones parciales tuviesen valores
prximos a cero y las estimaciones de las correlaciones mltiples valores
elevados (es decir, cercanos a uno).
Especficamente
Medida KMO Recomendaci n
! 0.9 Maravilloso
0. 8 Meritorio
0. 7 Regular
0. 6 Mediocre
0. 5 Miserable
< 0.5 Inaceptable

KMO KMO
Extracci Extraccin de factores n de factores
EXTRACCI EXTRACCIN N
SPSS
M Mtodos de e todos de extracci xtraccin n
MTODOS
Permite especificar el mtodo de extraccin factorial. Los mtodos disponibles son:
COMPONENTES PRINCIPALES
MNIMOS CUADRADOS NO PONDERADOS
MNIMOS CUADRADOS GENERALIZADOS
MXIMA VEROSIMILITUD
FACTORIZACIN DE EJES PRINCIPALES
FACTORIZACIN ALFA
FACTORIZACIN IMAGEN.
SPSS
MTODOS
COMPONENTES PRINCIPALES
Mtodo para la extraccin de factores utilizada para formar
combinaciones lineales independientes de las variables observadas. La primera
componente tiene la varianza mxima. Las componentes sucesivas explican
progresivamente proporciones menores de la varianza y no estn correlacionadas
las unas con las otras. El anlisis de componentes principales se utiliza para
obtener la solucin factorial inicial. Puede utilizarse cuando una matriz de
correlaciones es singular.
SPSS
Mtodo de estimacin de la matriz factorial
Parte del modelo que considera slo los factores comunes y
prescinde de los factores nicos.
Calcula los valores y vectores propios directamente de la
matriz de correlaciones de las variables originales sin utilizar
las comunalidades en la diagonal.
MTODOS
ESTE ES EL MODO DE REALIZAR, CON EL SPSS,
UN ANLISIS DE COMPONENTES PRINCIPALES
POR SUPUESTO SIN ROTACION
SPSS
Mtodo de estimacin de la matriz factorial
Parte del modelo que considera slo los factores comunes y
prescinde de los factores nicos.
Calcula los valores y vectores propios directamente de la
matriz de correlaciones de las variables originales sin utilizar
las comunalidades en la diagonal.
MTODOS
MNIMOS CUADRADOS NO PONDERADOS Mtodo de extraccin factorial que
minimiza la suma de los cuadrados de las diferencias entre las matrices de
correlaciones observada y reproducida, ignorando las diagonales.

MNIMOS CUADRADOS GENERALIZADOS Mtodo de extraccin de factores
que minimiza la suma de los cuadrados de las diferencias entre las matrices de
correlacin observada y reproducida. Las correlaciones se ponderan por el inverso
de su unicidad, de manera que las variables que tengan un valor alto de unicidad
reciban un peso menor que aqullas que tengan un valor bajo de unicidad.
SPSS
MTODOS
MXIMA VEROSIMILITUD Mtodo de extraccin factorial que proporciona las estimaciones
de los parmetros que con mayor probabilidad han producido la matriz de correlaciones
observada, si la muestra procede de una distribucin normal multivariada. Las correlaciones
se ponderan por el inverso de la unicidad de las variables, y se emplea un algoritmo iterativo.
FACTORIZACIN DE EJES PRINCIPALES Mtodo para la extraccin de factores que parte
de la matriz de correlaciones original con los cuadrados de los coeficientes de correlacin
mltiple insertados en la diagonal principal como estimaciones iniciales de las comunalidades.
Las saturaciones factoriales resultantes se utilizan para estimar de nuevo las comunalidades y
reemplazan a las estimaciones previas en la diagonal de la matriz. Las iteraciones continan
hasta que el cambio en las comunalidades, de una iteracin a la siguiente, satisfaga el criterio
de convergencia para la extraccin
SPSS
MTODOS
FACTORIZACIN ALFA
Mtodo de extraccin factorial que considera a las variables incluidas
en el anlisis como una muestra del universo de las variables posibles. Este
mtodo maximiza el Alfa de Cronbach para los factores.
FACTORIZACIN IMAGEN
Mtodo para la extraccin de factores, desarrollado por Guttman y
basado en la teora de las imgenes. La parte comn de una variable, llamada la
imagen parcial, se define como su regresin lineal sobre las restantes variables,
en lugar de ser una funcin de los factores hipotticos.
SPSS
An Anlisis lisis
ANALIZAR ANALIZAR
Permite especificar o
una MATRIZ DE CORRELACIONES
Es til si las variables de su anlisis se miden sobre escalas distintas.
o una MATRIZ DE COVARIANZAS:
Es til si se desea aplicar el anlisis factorial a varios grupos con
distintas varianzas para cada variable.
SPSS
Cu Cuntos factores debemos retener? ntos factores debemos retener?
Criterios Criterios
SPSS
VALORES PROPIOS MAYORES QUE UNO
El nmero de factores estar determinado por el nmero de valores propios mayores que
uno.
REGLA DEL 75% DE LA VARIANZA
El nmero de factores esta determinado por la absorcin de inercia. Se tomarn tantos
valores propios como sean necesarios para conseguir un 75% de inercia absorbida.
REGLA DEL CODO (CATTELL (1966) SCREE PLOT
El procedimiento del scree plot de Cattell consiste en representar grficamente los valores
propios en orden descendente y dibujar una recta a travs de las componentes con los
valores propios ms bajos. Se retienen las componentes que se corresponden con los
autovalores que quedan por encima de la lnea.
ESPECIFICACION DEL USUARIO
Es posible especificar personalmente el nmero de factores. Usualmente no ser mayor que
el nmero de variables dividido por dos. En el caso en que se sobrestime ste valor, el n
ser ajustado por el ordenador.
Criterios extracci Criterios extraccin n
EXTRAER EXTRAER
Opcin en la que se especifican los ejes(factores) a retener:
* Se pueden retener todos los factores cuyos autovalores excedan
un valor especificado (1 por defecto - Regla K1-, aunque puede
ser sustituido por otro valor)
* o retener un nmero especfico de factores.
SPSS
Resultados mostrados Resultados mostrados
MOSTRAR MOSTRAR
Permite solicitar
la solucin factorial sin rotar :
Muestra las saturaciones factoriales sin rotar (la matriz de configuracin factorial),
las comunalidades y los autovalores de la solucin factorial.
y el grfico de sedimentacin de los autovalores (Scree Plot)
Grfico de la varianza asociada a cada factor. Se utiliza para determinar cuntos
factores deben retenerse. Tpicamente el grfico muestra la clara ruptura entre la
pronunciada pendiente de los factores ms importantes y el descenso gradual de
los restantes (los sedimentos).
SPSS
Gr Grfico de Sedimentacin fico de Sedimentacin SPSS
GRFICO DE SEDIMENTACIN de los autovalores (Scree Plot)
Grfico de la varianza asociada a cada factor. Se utiliza para determinar cuntos
factores deben retenerse. Tpicamente el grfico muestra la clara ruptura entre la
pronunciada pendiente de los factores ms importantes y el descenso gradual de los
restantes (los sedimentos).
Scree Plot
Component Nu mber
9 8 7 6 5 4 3 2 1
E
i g
e
n
v
a
l u
e
3,5
3,0
2,5
2,0
1,5
1,0
,5
0,0
4 4
N iteraciones N iteraciones
Iteraciones Iteraciones
N mximo de iteraciones para convergencia. Permite especificar el nmero
mximo de pasos que el algoritmo puede seguir para estimar la solucin (25
es el valor por defecto).
SPSS
Rotaci Rotacin n
ROTACIN ROTACIN

SPSS
Objetivo: Los ejes factoriales se rotan para mejorar la interpretabilidad de
los factores , de forma que aumenten unas saturaciones y disminuyan otras. Se
mantiene la solucin general paro cambian los factores individuales para que
sean ms interpretables
Para qu Para qu rotar? rotar?
FISICA
MATEMTICAS
HISTORIA
FILOSOFIA
FRANCS
LITERATURA
Grficamente
Diagrama que muestra una rotacin ortogonal de 35 (clockwise)
Rotaciones ortogonales Rotaciones ortogonales
ROTACIN ROTACIN
M MTODO TODO
Permite seleccionar el mtodo de rotacin factorial. Los mtodos disponibles son:
(ortogonales) VARIMAX, QUARTIMAX, EQUAMAX, y (oblcuos) oblimin directo y promax.
VARIMAX Mtodo de rotacin ortogonal que minimiza el nmero de variables
que tienen saturaciones altas en cada factor. Simplifica la interpretacin de los
factores.
QUARTIMAX Mtodo de rotacin que minimiza el nmero de factores necesarios
para explicar cada variable. Simplifica la interpretacin de las variables
observadas.
EQUAMAX Mtodo de rotacin que es combinacin del mtodo varimax, que
simplifica los factores, y el mtodo quartimax, que simplifica las variables. Se
minimiza tanto el nmero de variables que saturan alto en un factor como el
nmero de factores necesarios para explicar una variable.

SPSS
Rotaciones oblicuas Rotaciones oblicuas
ROTACIN ROTACIN
M MTODO TODO
Permite seleccionar el mtodo de rotacin factorial. Los mtodos disponibles son:
(ortogonales) varimax, quartimax, equamax, y (oblcuos) OBLIMIN DIRECTA Y
PROMAX.
OBLIMIN DIRECTA Mtodo de rotacin oblicua (no ortogonal). Cuando delta es
igual a cero (valor por defecto) las soluciones son las ms oblicuas. A medida que
delta se va haciendo ms negativo, los factores son menos oblicuos. Para anular
el valor por defecto 0 para delta, introduzca un nmero menor o igual que 0,8.
PROMAX Rotacin oblicua que permite que los factores estn correlacionados.
Puede calcularse ms rpidamente que una rotacin oblimin directa, por lo que es
til para conjuntos de datos grandes.

SPSS
Resultados mostrados Resultados mostrados
ROTACIN ROTACIN
M MOSTRAR OSTRAR
Permite incluir los resultados de :
Solucin rotada Debe seleccionarse un mtodo de rotacin para obtener la
solucin rotada. Para las rotaciones ortogonales, se muestran la matriz de
configuracin rotada y la matriz de transformacin. Para las rotaciones oblicuas,
se muestran las matrices de estructura, de configuracin y de correlaciones entre
los factores.
Diagrama de las saturaciones factoriales. Representacin tridimensional de las
saturaciones factoriales para los tres primeros factores. Para una solucin de dos
factores, se representa un diagrama bidimensional. No se muestra el grfico si
slo se extrae un factor. Si se solicita la rotacin, los diagramas representan las
soluciones rotadas.

SPSS
N iteraciones N iteraciones
ROTACIN ROTACIN

Iteraciones Iteraciones
N mximo de iteraciones para convergencia. Permite especificar el nmero
mximo de pasos que el algoritmo puede seguir para llevar a cabo la rotacin.
SPSS
Puntuaciones Factoriales Puntuaciones Factoriales
PUNTUACIONES FACTORIALES PUNTUACIONES FACTORIALES

SPSS
Guardar como variables Guardar como variables
Guardar como variables Guardar como variables
Las puntuaciones pueden guardarse como variables para anlisis adicionales (Por ejemplo, es
posible construir un modelo de regresin logstica basndose en las puntuaciones factoriales). En
sta opcin se puede crear una nueva variable para cada factor en la solucin final. Seleccione uno
de los siguientes mtodos alternativos para calcular las puntuaciones factoriales:
MTODO DE REGRESIN. Mtodo para estimar los coeficientes de las puntuaciones
factoriales. Las puntuaciones resultantes tienen de media 0 y varianza igual al cuadrado de la
correlacin mltiple entre las puntuaciones factoriales estimadas y los valores factoriales
verdaderos. Las puntuaciones pueden estar correlacionadas incluso cuando los factores son
ortogonales.
PUNTUACIONES DE BARTLETT. Mtodo para estimar los coeficientes de las puntuaciones
factoriales. Las puntuaciones resultantes tienen una media de 0. Se minimiza la suma de
cuadrados de los factores nicos sobre el rango de las variables.
MTODO DE ANDERSON-RUBIN . Mtodo para calcular los coeficientes para las
puntuaciones factoriales; es una modificacin del mtodo de Bartlett, que asegura la
ortogonalidad de los factores estimados. Las puntuaciones resultantes tienen una media 0,
una desviacin tpica de 1 y no correlacionan entre s.

SPSS
Mostrar coeficientes Mostrar coeficientes
Mostrar matriz de coeficientes de las puntuaciones factoriales.
Muestra los coeficientes por los cuales se multiplican las variables para
obtener puntuaciones factoriales. Tambin muestra las correlaciones entre
las puntuaciones factoriales.

SPSS
Opciones Opciones
OPCIONES OPCIONES

SPSS
Opciones Opciones
OPCIONES OPCIONES

Formato de presentacin de los coeficientes.
Permite controlar aspectos de las
matrices de resultados. Los coeficientes
se ordenan por tamao y se suprimen
aqullos cuyos valores absolutos sean
menores que el valor especificado.
SPSS
Valores perdidos.
Permite especificar el tratamiento que
reciben los valores perdidos. Las
alternativas disponibles son: Excluir
casos segn lista, Excluir casos segn
pareja y Reemplazar por la media.
ACP ACP versus versus AF AF
AN ANLISIS FACTORIAL LISIS FACTORIAL COMPONENTES COMPONENTES PRINCIPALES PRINCIPALES
Explica variabilidad, representamos individuos Explica y representa correlaciones
Proyecta las observaciones en un espacio de Trata de explicar las variables observadas en
dimensin reducida con minima prdida funcin de unos cuantos factores hipotticos
de informacin
Las componentes principales son incorreladas Los Factores son incorrelados slo dentro
incondicionalmente del espacio de los factores comunes
Un nico procedimiento de estimacin Hay varios procedimientos de estimacin
Una nica solucin Hay varias soluciones
Aadir una nueva componentes principal Aadir un nuevo Factor puede cambiar
no cambia las anteriores los factores anteriores
La solucin cambia con los cambios de escala Algunas soluciones son invariantes respecto
de los cambios de escala
No hay que estimar comunalidades Hay que estimar comunalidades, y en
algunos modelos es difcil hacerlo
Los clculos son bastante simples En los modelo ms complejos los clculos
son problemticos
CUADRAS, C.M. (1996). Mtodos de Anlisis Multivariante, EUB,
Barcelona.
HAIR, J.F., ANDERSON,R.E., TATHAM, R.L. and BLACK, W.C. (1998).
Multivariate Data Analysis, Prentice Hall,New Jersey.
JOLLIFE, I.T. (1986). Principal Component Analysis, Springer-Verlag, New
York.
JOHNSON, D.E. (1998). Mtodos Multivariados aplicados al anlisis de
datos, Thomson Eds., Mxico.
HARMAN, H.H. (1980): Anlisis factorial moderno. Madrid: Salts.
MARDIA, K.V., KENT, J.T. and BIBBY, J.M. (1979). Multivariate Analysis,
Academic Press, London.
PEA, D. (2002). Anlisis de Datos Multivariantes, Mc Graw-Hill, Madrid.
SHARMA, S. (1996). Applied Multivariate Techniques, John Wiley and
Sons, New York.
Bibliograf Bibliografa a
GRACIAS

A Factorial

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

A Factorial

Uploaded by

Copyright:

Available Formats

Curso de Doctorado Curso de Doctorado

Estad Estadstica stica Multivariante Multivariante Aplicada Aplicada

You might also like