Académique Documents
Professionnel Documents
Culture Documents
DEPARTAMENTO DE
ADMINISTRACIN
Seminario de
Investigacin de
mercados
Ma 7:00 a 9:55 hrs.
PR 2016.
SPSS Manual de
Anlisis de Factores.
Este documento es una gua para la implementacin del anlisis de factores en SPSS.
NOTA: Para estos ejercicios se usar el archivo USE_TECH.sav que se encuentra
ubicado en el mismo folder que el presente manual. Este archivo muestra las
calificaciones, entre otra informacin, de la evaluacin de profesores de diversas
clases en una institucin educativa, en referencia a la facilidad con la que se puede
aplicar la tecnologa en sus clases, como parte del proceso de enseanza. Los datos
de las variables son los siguientes:
VARIABL
E
Q31A2
Q31A3
Q31A4
Q31A5
Q31A6
Q31A7
Q31A8
Q31A9
Q31A10
Q31A11
Q31A12
EXPLICACIN
Dificultad de aplicar la tecnologa en una
clase de fundamentos de Matemticas
Dificultad de aplicar la tecnologa en una
clase de Clculo Avanzado I
Dificultad de aplicar la tecnologa en una
clase de Trigonometra
Dificultad de aplicar la tecnologa en una
clase de Clculo
Dificultad de aplicar la tecnologa en una
clase de Matemticas Avanzadas
Dificultad de aplicar la tecnologa en una
clase de fundamentos de Estadstica Bsica
Dificultad de aplicar la tecnologa en una
clase de Anlisis Multivariado
Dificultad de aplicar la tecnologa en una
clase de Literatura Universal
Dificultad de aplicar la tecnologa en una
clase de Literatura Romnica
Dificultad de aplicar la tecnologa en una
clase de Tendencias Globales
Dificultad de aplicar la tecnologa en una
clase de Visin Internacional.
VALORES VLIDOS
1= Ms difcil aplicar
tecnologa en esta clase.
2= Difcil aplicar
tecnologa en esta clase.
3=Ni difcil ni fcil
aplicar tecnologa en
esta clase
4= Fcil aplicar
tecnologa en esta clase
5= Muy fcil aplicar
tecnologa en esta clase
DIVISION DE NEGOCIOS
DEPARTAMENTO DE
ADMINISTRACIN
El objetivo es, entonces, encontrar un arreglo de condense a estas 8 variables en un
nuevo set de variables llamados factores , que agruparn a una o ms variables, y
que mantendrn su esencia, es decir, las resumirn adecuadamente. Veamos cmo
se corre el anlisis en SPSS.
Al abrir el archivo USE_TECH en SPSS, se ver la siguiente pantalla:
DIVISION DE NEGOCIOS
DEPARTAMENTO DE
ADMINISTRACIN
Deberemos seleccionar las variables que vamos a resumir (que vamos a tratar
integrar en factores) en el recuadro Variables. Dichas variables son Q31A2 hasta la
Q31A12:
DIVISION DE NEGOCIOS
DEPARTAMENTO DE
ADMINISTRACIN
DIVISION DE NEGOCIOS
DEPARTAMENTO DE
ADMINISTRACIN
DIVISION DE NEGOCIOS
DEPARTAMENTO DE
ADMINISTRACIN
de extraccin de varianza comn son: mnimos cuadrados generalizados y mnimos
cuadrados no ponderados. SPSS muestra otros mtodos de extraccin de factores,
puede revisarse su explicacin en el manual anexo FactorExpliComandosSPSS que se
encuentra en la misma ubicacin que este documento.
Seleccionaremos, adems, de la seccin Analizar, que muestre la matriz de
correlaciones. En la seccin Mostrar (Display), se seleccionar la opcin solucin de
factores no rotada (esta es la solucin de factores que no contempla ningn proceso
de rotacin. Debemos seleccionar la opcin Scree text plot que se usar en la
decisin de la solucin de factores.
Dentro de la seccin Extraer (Extract), se indica a SPSS la cantidad de factores que se
desean en la solucin (1, 2, 3 o hasta 8 factores para nuestro ejemplo, dado que
tenemos 8 variables en nuestro anlisis). En el caso de que estemos realizando un
anlisis exploratorio, es conveniente pedir a SPSS que integre una solucin que
contemple slo a los factores con un eigenvalor (autovalor) mayor a 1. Recordemos
que el auto valor o eigenvalor en el anlisis de factores representa la cantidad de
variacin que la construccin de nuevos valores ola solucin de factores) explica al
conformar esta nueva formacin de variables. A mayor autovalor tenga un factor,
mejor ser su agrupacin de variables contenidas, en otras palabras, ser ms
consistente en cuanto a las variables que agrupa. La conformacin de factores
adicionales contribuir en menor grado a la explicacin de la variabilidad de la
solucin respecto a los primeros factores formados, pero a nivel global pueden
contribuir a tener un modelo de factores ms lgico y congruente. Tambin en SPSS,
en esta misma seccin (Extraer), se puede definir un nmero de factores especfico a
extraer, si es que se pretende confirmar una hiptesis (por ejemplo, si un conjunto de
respuestas de clientes puede definir 4 grupos de consumidores diferentes), entonces
se usa esta opcin (se sealan entonces 4 factores a extraer). En este caso,
dejaremos indicado el criterio de extraccin de factores con un eigenvalor mayor a 1:
DIVISION DE NEGOCIOS
DEPARTAMENTO DE
ADMINISTRACIN
DIVISION DE NEGOCIOS
DEPARTAMENTO DE
ADMINISTRACIN
Las opciones a seleccionar en esta ventana son: en la seccin Mtodo (Method):
Varimax. En la seccin Mostrar (Display), se deber seleecionar la opcin Solucin
rotada (Rotated Solution):
DIVISION DE NEGOCIOS
DEPARTAMENTO DE
ADMINISTRACIN
En esta seccin le solicitamos a SPSS que calcule y guarde los valores para las
nuevas variables, que son los factores. Las nuevas variables aparecern al final de la
base de datos que estamos analizando, y su tratamiento es como cualquier otra
variable, es decir, pueden seguir el mismo tratamiento que otra variable usarlas para
anlisis posteriores. De las opciones, seleccionaremos la casilla Salvar como variables
Save as variables y en el mtodo de clculo, seleccionaremos Regresin. Damos
clck en Continuar.
DIVISION DE NEGOCIOS
DEPARTAMENTO DE
ADMINISTRACIN
En esta seccin, indicamos a SPSS el tratamiento que deber darse a los valores
perdidos encontrados. Seleccionaremos la opcin Excluir casos por lista (Exclude
cases list wise). Tenemos la opcin de indicarle a SPSS que complete los datos
faltantes con la media de las variables, o pueden usarse los mtodos de imputacin
vistos en clase. En la seccin Formato de los coeficientes mostrados (Coeffcient
DIVISION DE NEGOCIOS
DEPARTAMENTO DE
ADMINISTRACIN
Display Format) seleccionaremos la opcin Listados por tamao (Sorted by Size). Con
esta opcin le indicamos a SPSS que muestre las cargas de factores en forma
descendente en la tabla Matriz de componentes no rotada y rotada, y sea ms fcil la
asignacin de las variables a los factores. Presionamos Continuar.
DIVISION DE NEGOCIOS
DEPARTAMENTO DE
ADMINISTRACIN
DIVISION DE NEGOCIOS
DEPARTAMENTO DE
ADMINISTRACIN
La imagen mostrada es la matriz de correlaciones entre las variables del estudio, y
podemos observar que s hay altas correlaciones entre las variables, y stas son
significativas con un alfa del 5%. Es factible entonces realizar un anlisis de factores
con este conjunto de variables.
Test de esfericidad y KMO. Estas pruebas determinan la viabilidad del anlisis de
factores para el conjunto de variables analizadas. El test KMO o medida de adecuacin
muestral Kaiser-Meyer-Olin vara entre 0 y 1 y analiza los coeficientes de correlacin
observados contra los coeficientes de correlacin parcial, es decir, verifica su
magnitud y validez. Medidas KMO de 0.5 o menores indican que el anlisis de factores
no es viable. Por otro lado, el test de esfericidad de Bartlett prueba la siguiente
hiptesis Nula: La matriz de correlaciones de las variables analizadas es una matriz
identidad (nicamente unos en la diagonal y ceros en el resto de las ubicaciones de la
matriz, lo que implicara que no existira correlacin alguna entre las variables
analizadas). Debe contrastarse la significancia de la prueba contra un alfa de 0.05 y
verificar si debe aceptarse o rechazarse Ho. Si se acepta Ho (significancia mayor a
0.05) entonces en anlisis de factores para el set de variables analizadas no es viable.
Los valores obtenidos son:
Approx. Chi-Square
df
Sig.
.892
1050.160
55
.000
Se demuestra mediante las dos pruebas que es factible proseguir con el arreglo
factorial de las variables analizadas.
Tabla de varianza total explicada. A continuacin analizaremos en la tabla que
muestra el detalle de la solucin obtenida, de acuerdo al criterio de seleccin del
nmero de factores a extraer que le indicamos a SPSS: integrar a la solucin a los
factores que mostraran un eigenvalor mayor a 1:
DIVISION DE NEGOCIOS
DEPARTAMENTO DE
ADMINISTRACIN
Total Variance Explained
Initial Eigenvalues
Componen
t
Total
% of
Cumulative
Variance
Total
% of
Cumulative
Variance
Total
% of
Cumulative
Variance
6.151
55.915
55.915
6.151
55.915
55.915
5.360
48.725
48.725
1.843
16.756
72.672
1.843
16.756
72.672
2.634
23.946
72.672
.550
5.004
77.676
.523
4.758
82.434
.440
4.000
86.433
.398
3.621
90.054
.316
2.877
92.931
.308
2.802
95.733
.204
1.858
97.590
10
.178
1.622
99.212
11
.087
.788
100.000
Recordemos que la solucin mxima es de 11 factores (1 factor para cada una de las
variables), aunque esta perspectiva no es factible, pues lo que se desea es hacer una
reduccin de variables. SPSS arroja una solucin de 2 factores, pues recurdese que le
indicamos que contemplara slo los factores con un eigenvalor mayor a 1. Esta
solucin de 2 factores explica el 72.6% de la varianza total del modelo. Entindase por
varianza total a la varianza que todas las variables en el anlisis comparten, y dicha
solucin de factores explica, pues dichos factores agrupan a las variables, por lo que
se pierde algo de la varianza al realizar dicha agrupacin: los factores resumen las
variables, y ese resumen implica prdida de detalle. Al realizar un anlisis de factores,
se pretende obtener la mayor explicacin de la varianza en el modelo con el menor
nmero de factores.
El cuadro demuestra entonces que mediante la integracin de dos factores (es decir,
si todas las 11 variables se integraran a slo 2 factores) se explicara el 72% de su
varianza. Parece ser una buena solucin, pues la reduccin que se tiene implica ir de
11 variables, a slo 2, perdiendo slo 28% de su detalle o varianza. La misma tabla
demuestra que una solucin de 11 factores (uno por cada variable) explica el 100% de
la varianza, y cada factor que se aada a la solucin contribuir a explicar ms
varianza.
Scree test. Este grfico demuestra visualmente si la solucin de factores definida es
viable, pues muestra una grfica que, en el eje y, seala el eigenvalor obtenido, y en
DIVISION DE NEGOCIOS
DEPARTAMENTO DE
ADMINISTRACIN
el eje x, muestra el nmero de factores en la solucin en otras palabras, ofrece
visualmente el eigenvalor de cada factor que se aade. A ms factores aadidos,
menor ser su eigenvalor:
Del grfico anterior, puede verse que el factor posee un eigenvalor de 6.1, el segundo
factor tiene uno de 1.8 y el tercero de .55, y as sucesivamente. Al unir cada punto con
una lnea, nos daremos cuenta en qu momento la adicin de factores a la solucin
refleja un eigenvalor muy pequeo, esto indica que el factor adicional ya no aporta
explicacin de la varianza total en forma significativa. Otra forma de ver esto es
identificar el punto en que la pendiente de la recta formada por la unin de los puntos
de la recta se estabiliza y no cambia en forma importante. En nuestro caso, la
pendiente de la recta se estabiliza al aadir a la solucin un cuarto factor, por lo que
una solucin de 3 factores sera ptima. Esto contrasta con la solucin de dos factores
inicial.
Matriz de componentes rotada. Esta tabla muestra las cargas de factores que
cada variable demuestra para la solucin de factores, en otras palabras, son los
puntajes que se considerarn para asignar a cada variable a los factores. Los criterios
que se usan para asignar una variable a un factor son:
a) A mayores cargas de factores positivas, se asignar la variable a cada
factor.
DIVISION DE NEGOCIOS
DEPARTAMENTO DE
ADMINISTRACIN
b) Si las cargas son negativas, y mientras ms negativas sean, es un
indicador de que esa variable no corresponde a dicho factor.
c) Si las cargas para una variable no son fuertes (entre 0.1 o -0.1), la variable
se asignar al factor que muestre la carga ms positiva.
Veamos en nuestro ejemplo:
Multariate analys
.907
.067
Basic statistics
.897
.029
Calculus
.885
.233
Math fundamentals
.883
.110
Adv Calculus I
.812
.260
Advanced math
.776
.268
Trygonometry
.740
.333
Int vision
.170
.828
-.084
.811
Global trends
.309
.733
Literature
.478
.657
Romanic let
Las variables asignadas al factor 1 son: Anlisis multivariante, estadstica bsica, cclulo, matemticas
fundamentales, clculo avanzado 1, matemticas avanzadas y trigonometra. Este factor se puede denominar:
CIENCIAS EXACTAS. El factor 2 se integra de las variables: Visin internacional, literatura romnica,
tendencias globales y literatura Universal. Este factor se puede nombrar como HUMANIDADES.
Esta solucin se aprecia como final, si no se tuviera la evidencia del Scree plot, que indicaba que una
solucin de 3 factores sera la ptima, as como las cargas de factores de la materia Literatura universal no
tienen una carga fuerte y definida para algn factor (aunque analizando su carga, ciertamente se asigna al
factor 2). Esta evidencia nos mueve a desarrollar una segunda corrida del anlisis, con una solucin de 3
factores. Recuerda que en la ventana del anlisis principal del anlisis de factores en SPSS, en botn
Extraccin ofrece al usuario la posibilidad de extraer una solucin con un nmero especfico de factores.
Para nuestro caso, seleccionaremos 3:
DIVISION DE NEGOCIOS
DEPARTAMENTO DE
ADMINISTRACIN
DIVISION DE NEGOCIOS
DEPARTAMENTO DE
ADMINISTRACIN
Rotated Component Matrixa
Component
1
Multariate analys
.894
.151
-.071
Math fundamentals
.889
.109
.071
Basic statistics
.887
.113
-.083
Calculus
.854
.341
-.059
Adv Calculus I
.833
.166
.257
Advanced math
.750
.342
-.002
Trygonometry
.735
.313
.161
Int vision
.094
.911
.124
Global trends
.271
.706
.272
Literature
.437
.673
.189
-.025
.387
.890
Romanic let
La estructura del primer factor CIENCIAS EXACTAS se mantiene intacta. El segundo factor
HUMANIDADES se le debe retirar la materia Literatura romnica, y slo queda en l las variables Visin
internacional, Tendencias globales y Literatura, bajo el mismo nombre de HUMANIDADES. La materia
Literatura Romnica se debe asignar a al tercer factor, que podemos denominar HUMANIDADES
INTERNCAIONALES. Esta solucin resulta lgica, pues para los encuestados, la complejidad de integrar
tecnologa a una clase de humanidades, compleja por su enfoque a un tipo de literatura europeo y antiguo.
Veamos cmo mejor la solucin en trminos de la variacin explicada:
DIVISION DE NEGOCIOS
DEPARTAMENTO DE
ADMINISTRACIN
La adicin de un factor ms increment el porcentaje de variacin explicada en un
5%, llevndola a un 77.7% de variacin total explicada o acumulada. Esta es una
solucin viable para nuestro ejemplo. Como escenario adicional, valdra la pena correr
un anlisis excluyendo a la variable Literatura romnica, pues mediante el anlisis de
la matriz de correlaciones esta variable no guarda alguna importante:
La tabla muestra que la variable Literatura romnica no guarda una correlacin fuerte
con alguna otra de las variables del estudio, incluso con las materiales ya catalogadas
como HUMANIDADES. (Recordemos que una correlacin fuerte comienza a partir de un
score de 0.6) Otra opcin que tenemos como investigadores es eliminar esta variable
y realizar el anlisis con 3 factores. La matriz de componentes rotada para esta
solucin es la siguiente:
DIVISION DE NEGOCIOS
DEPARTAMENTO DE
ADMINISTRACIN
Rotated Component Matrixa
Component
1
Multariate analys
.903
.185
.040
Basic statistics
.901
.169
-.005
Math fundamentals
.876
.154
.111
Calculus
.821
.224
.326
Adv Calculus I
.791
.150
.293
Advanced math
.703
.106
.491
Trygonometry
.670
.240
.404
Literature
.421
.823
.103
Int vision
.046
.808
.424
Global trends
.169
.385
.809
DIVISION DE NEGOCIOS
DEPARTAMENTO DE
ADMINISTRACIN
Total Variance Explained
Initial Eigenvalues
Componen
t
Total
% of
Cumulative
Variance
Total
% of
Cumulative
Variance
Total
% of
Cumulative
Variance
6.056
60.557
60.557
6.056
60.557
60.557
4.847
48.473
48.473
1.416
14.156
74.713
1.416
14.156
74.713
1.707
17.073
65.546
.538
5.383
80.095
.538
5.383
80.095
1.455
14.549
80.095
.440
4.403
84.498
.408
4.080
88.578
.350
3.503
92.080
.313
3.128
95.208
.207
2.066
97.274
.184
1.843
99.117
10
.088
.883
100.000
FACTOR /VARIABLES Q31A2 Q31A3 Q31A4 Q31A5 Q31A6 Q31A7 Q31A8 Q31A9 Q31A10
Q31A11 Q31A12 /MISSING LISTWISE /ANALYSIS Q31A2 Q31A3 Q31A4 Q31A5 Q31A6 Q31A7
Q31A8 Q31A9 Q31A10 Q31A11 Q31A12 /PRINT INITIAL CORRELATION SIG KMO EXTRACTION
ROTATION /FORMAT SORT /PLOT EIGEN /CRITERIA MINEIGEN(1) ITERATE(25) /EXTRACTION
PC /CRITERIA ITERATE(25) /ROTATION VARIMAX /SAVE REG(ALL) /METHOD=CORRELATION.
DIVISION DE NEGOCIOS
DEPARTAMENTO DE
ADMINISTRACIN
Factor Analysis
DIVISION DE NEGOCIOS
DEPARTAMENTO DE
ADMINISTRACIN
Correlation Matrix
Math fundamentals
Correlation
Sig. (1-tailed)
Math fundamentals
Adv Calculus I
Trygonometry
Calculus
1.000
.752
.681
.779
Adv Calculus I
.752
1.000
.654
.755
Trygonometry
.681
.654
1.000
.687
Calculus
.779
.755
.687
1.000
Advanced math
.650
.677
.631
.758
Basic statistics
.767
.670
.591
.745
Multariate analys
.744
.685
.629
.806
Literature
.471
.516
.558
.539
Romanic let
.071
.204
.194
.084
Global trends
.315
.431
.453
.441
Int vision
.246
.286
.349
.391
.000
.000
.000
.000
.000
Math fundamentals
Adv Calculus I
.000
Trygonometry
.000
.000
Calculus
.000
.000
.000
Advanced math
.000
.000
.000
.000
Basic statistics
.000
.000
.000
.000
Multariate analys
.000
.000
.000
.000
Literature
.000
.000
.000
.000
.000
DIVISION DE NEGOCIOS
DEPARTAMENTO DE
ADMINISTRACIN
DIVISION DE NEGOCIOS
DEPARTAMENTO DE
ADMINISTRACIN
Correlation Matrix
Advanced math
Correlation
Sig. (1-tailed)
Basic statistics
Multariate analys
Literature
Math fundamentals
.650
.767
.744
.471
Adv Calculus I
.677
.670
.685
.516
Trygonometry
.631
.591
.629
.558
Calculus
.758
.745
.806
.539
Advanced math
1.000
.633
.645
.480
Basic statistics
.633
1.000
.889
.456
Multariate analys
.645
.889
1.000
.496
Literature
.480
.456
.496
1.000
Romanic let
.133
-.002
.022
.405
Global trends
.437
.300
.341
.503
Int vision
.353
.203
.209
.605
Math fundamentals
.000
.000
.000
.000
Adv Calculus I
.000
.000
.000
.000
Trygonometry
.000
.000
.000
.000
Calculus
.000
.000
.000
.000
.000
.000
.000
.000
.000
Advanced math
Basic statistics
.000
Multariate analys
.000
.000
Literature
.000
.000
.000
.000
DIVISION DE NEGOCIOS
DEPARTAMENTO DE
ADMINISTRACIN
DIVISION DE NEGOCIOS
DEPARTAMENTO DE
ADMINISTRACIN
Correlation Matrix
Romanic let
Correlation
Int vision
Math fundamentals
.071
.315
.246
Adv Calculus I
.204
.431
.286
Trygonometry
.194
.453
.349
Calculus
.084
.441
.391
Advanced math
.133
.437
.353
Basic statistics
-.002
.300
.203
Multariate analys
.022
.341
.209
Literature
.405
.503
.605
1.000
.448
.492
Global trends
.448
1.000
.569
Int vision
.492
.569
1.000
Math fundamentals
.215
.000
.003
Adv Calculus I
.011
.000
.001
Trygonometry
.014
.000
.000
Calculus
.172
.000
.000
Advanced math
.068
.000
.000
Basic statistics
.493
.000
.011
Multariate analys
.403
.000
.009
Literature
.000
.000
.000
Romanic let
Sig. (1-tailed)
Global trends
DIVISION DE NEGOCIOS
DEPARTAMENTO DE
ADMINISTRACIN
.892
of Sampling Adequacy.
Bartlett's Test of Sphericity
Approx. Chi-Square
df
Sig.
1050.160
55
.000
DIVISION DE NEGOCIOS
DEPARTAMENTO DE
ADMINISTRACIN
Communalities
Initial
Extraction
Math fundamentals
1.000
.791
Adv Calculus I
1.000
.727
Trygonometry
1.000
.658
Calculus
1.000
.838
Advanced math
1.000
.673
Basic statistics
1.000
.806
Multariate analys
1.000
.828
Literature
1.000
.660
Romanic let
1.000
.665
Global trends
1.000
.633
Int vision
1.000
.715
DIVISION DE NEGOCIOS
DEPARTAMENTO DE
ADMINISTRACIN
Total Variance Explained
Initial Eigenvalues
Compo
nent
Total
% of Variance
Cumulative %
Total
% of Variance
Cumulative %
6.151
55.915
55.915
6.151
55.915
55.915
1.843
16.756
72.672
1.843
16.756
72.672
.550
5.004
77.676
.523
4.758
82.434
.440
4.000
86.433
.398
3.621
90.054
.316
2.877
92.931
.308
2.802
95.733
.204
1.858
97.590
10
.178
1.622
99.212
11
.087
.788
100.000
DIVISION DE NEGOCIOS
DEPARTAMENTO DE
ADMINISTRACIN
Total Variance Explained
Rotation Sums of Squared Loadings
Compo
nent
Total
% of Variance
Cumulative %
5.360
48.725
48.725
2.634
23.946
72.672
DIVISION DE NEGOCIOS
DEPARTAMENTO DE
ADMINISTRACIN
Component Matrixa
Component
1
Calculus
.900
-.169
Multariate analys
.848
-.328
Adv Calculus I
.845
-.113
Math fundamentals
.844
-.279
Basic statistics
.823
-.358
Advanced math
.816
-.090
Trygonometry
.811
-.016
Literature
.713
.388
Global trends
.593
.530
Romanic let
.271
.769
Int vision
.509
.675
DIVISION DE NEGOCIOS
DEPARTAMENTO DE
ADMINISTRACIN
Rotated Component Matrixa
Component
1
Multariate analys
.907
.067
Basic statistics
.897
.029
Calculus
.885
.233
Math fundamentals
.883
.110
Adv Calculus I
.812
.260
Advanced math
.776
.268
Trygonometry
.740
.333
Int vision
.170
.828
-.084
.811
Global trends
.309
.733
Literature
.478
.657
Romanic let
DIVISION DE NEGOCIOS
DEPARTAMENTO DE
ADMINISTRACIN
Component Transformation
Matrix
Compo
nent
.904
.428
-.428
.904