Análisis de Componentes Principales con SPSS (II)

Si damos clic en la opción “Descriptivos”, se obtiene el siguiente recuadro:

 

spss

 

La figura 30 muestra los Descriptivos que podemos elegir en nuestro modelo de componentes principales. En dicha opción se pueden solicitar una serie de medidas de resumen para cada variable, la solución inicial (comunalidades, autovalores y porcentaje de varianza explicada por cada factor), así como algunos estadísticos que permiten comprobar la adecuación de la muestra al análisis factorial. Desde un punto de vista práctico, la prueba de esfericidad de Bartlett contrasta si la matriz de correlaciones es una matriz identidad, lo cual indicaría que el modelo factorial es inadecuado. El estadístico de Bartlett se obtiene a partir de una transformación c2 del determinante de la matriz de correlaciones y cuanto mayor sea, y por tanto menor el nivel de significación, más improbable es que la matriz sea una matriz identidad y más adecuado resulta el análisis factorial.

La medida de la adecuación muestral de Kaiser-Meyer-Olkin (Coeficiente KMO) contrasta si las correlaciones parciales entre las variables son pequeñas, toma valores entre 0 y 1, e indica que el análisis factorial es tanto más adecuado cuanto mayor sea su valor. Así, Kaiser propuso en 1974 el siguiente criterio para decidir sobre la adecuación del análisis factorial de un conjunto de datos:

0,9<KMO£1,0 = Excelente adecuación muestral.

0,8<KMO£0,9 = Buena adecuación muestral.

0,7<KMO£0,8 = Aceptable adecuación muestral.

0,6<KMO£0,7 = Regular adecuación muestral.

0,5<KMO£0,6 = Mala adecuación muestral.

0,0<KMO£0,5 = Adecuación muestral inaceptable.

En cuanto al método de extracción (botón Extracción), las opciones que presenta SPSS son las que aparecen en la siguiente figura:

 

spss

 

Como se observa, los métodos de extracción de factores que realiza el SPSS son los de las componentes principales, máxima verosimilitud, mínimos cuadrados no ponderados, y algunos más que no hemos estudiado.

Volviendo a las opciones que presenta el método de extracción de factores del análisis factorial, se puede especificar que el análisis se aplique a una matriz de correlaciones o a una matriz decovarianzas. También se puede seleccionar a priori el número de factores que se desea extraer, o especificar alguna condición genérica que permita extraer sólo aquellos que verifiquen una determinada condición (usualmente se eligen aquellos factores cuyos autovalores sean superiores a la unidad). Se puede mostrar la solución factorial sin rotar, así como el gráfico de sedimentación (criterio gráfico para la posterior decisión del número de factores a extraer). Todas estas opciones se seleccionan en el mismo cuadro de opciones que el de la figura anterior, y que se presenta para mayor facilidad en la figura 32:

 

spss

 
¿Te gustó? Pues comparte ;-)
Este sitio usa cookies para personalizar el contenido y los anuncios, ofrecer funciones de redes sociales y analizar el tráfico. Ninguna cookie será instalada a menos que se desplace exprésamente más de 600px. Leer nuestra Política de Privacidad y Política de Cookies. Las acepto | No quiero aprender cursos gratis. Sácame