Estadística Multiversal
Maestro: Pablo Miranda
Alumno: Luis Giuliano Dávila Urbina.
A. Preguntas.
1. ¿En qué difiere el análisis factorial de la regresión múltiple y del análisis
discriminante?
La diferencia de la regresión múltiple es que se considera una variable
dependiente relacionada con una o más variable. Mientras que el análisis
factorial es un procedimiento que usa para examinar el conjunto de relaciones
interdependientes e identificar las dimensiones subyacentes comunes
(correlaciones).
2. ¿Cuáles son los principales usos del análisis factorial?
A. Reducir y resumir datos.
B. Establecer relaciones entre variables y atributos que a primera vista no son
claramente relacionados.
C. Proporciona la estructura interna de las correlaciones subyacentes
permitiendo establecer los factores que afectan a otros y permite crear un
modelo matemático.
3. Describa el modelo de análisis factorial.
El análisis factorial es una clase de procedimientos que se usan para reducir y
resumir los datos. Cada variable se expresa como una combinación lineal de los
factores subyacentes. Asimismo, los factores pueden expresarse como
combinaciones lineales de las variables observadas.
4. ¿Qué hipótesis examina la prueba de esfericidad de Bartlett? ¿Con qué
propósito se usa esa prueba?
Es una prueba estadística que se utiliza para examinar la hipótesis de que las
variables no están correlacionadas en la población (que la matriz de correlación
de la población es una matriz de identidad), el propósito es probar la hipótesis
nula de que las variables no están correlacionadas en la población.
5. ¿A qué se refiere el término “contribuciones comunes de una variable”?
Se refiere a la cantidad de varianza que una variable comparte con todas las otras
variables consideradas también es la proporción de la varianza explicada por los
factores comunes.
6. Defina brevemente valor propio, cargas de factores, matriz factorial y
puntuaciones de los factores.
A. Valor propio: representa la varianza total explicada por cada factor.
B. Matriz factorial: Contiene las cargas de los factores de todas las variables en
todos los factores extraídos.
C. Puntuaciones de los factores: Son calificaciones compuestas que se calculan para
cada encuestado en los factores derivados.
7. ¿Con qué propósitos se usa la medida de lo adecuado del muestreo de
Kaiser-Meyer-Olkin?
Es un indicador que sirve para examinar si el análisis factorial es adecuado. Los
valores altos (entre 0.5 y 1.0) indican que el análisis factorial es apropiado.
Valores inferiores a 0.5 implican que el análisis factorial quizá no sea adecuado.
8. ¿Cuál es la principal diferencia entre el análisis de componentes principales
y el análisis de factores comunes?
En el análisis factorial se distingue entre varianza común y varianza única. La
varianza común es la parte de la variación de la variable que es compartida con
las otras variables. La varianza única es la parte de la variación de la variable
que es propia de esa variable. El análisis de componentes principales no hace esa
distinción entre los dos tipos de varianza, se centra en la varianza total. Mientras
que el análisis de componentes principales busca hallar combinaciones lineales
de las variables originales que expliquen la mayor parte de la variación total, el
análisis factorial pretende hallar un nuevo conjunto de variables, menor en
número que las variables originales, que exprese lo que es común a esas
variables.
9. Explique cómo se usan los valores propios para determinar el número de
factores.
Existen varios procedimientos de los cuales en el valor propio solo se conservan los
factores cuyo valor propio es mayor de 1.0 los otros factores no se incluyen en el
modelo, el valor propio representa la cantidad de varianza asociada con el factor por los
cual solo se incluyen los factores con varianza mayor que 1.0.
10. ¿Qué es una gráfica de sedimentación? ¿Con qué propósitos se utiliza?
La grafica de sedimentación es una presentación grafica de los valores propios
contra el numero de factores en orden de extracción, esta sedimentación se
utiliza para determinar el número de factores. Por lo general, la gráfica indica
una separación notable entre la pendiente pronunciada de los factores con los
valores propios grandes y desvanecimiento gradual asociado con el resto de los
factores lo cual se conoce como sedimentación.
11. ¿Por qué es útil rotar los factores? ¿Cuál es el método de rotación más
común?
En una matriz que es compleja es difícil interpretar los factores por ende la
rotación transforma la matriz factorial en una matriz más sencilla y más fácil de
interpretar. El procedimiento de uso más común para la rotación es el
procedimiento varimax que es un método ortogonal de rotación que minimiza el
número de variables con cargas altas en un factor en lo cual incrementa la
posibilidad de interpretar los factores.
12. ¿De qué lineamientos se dispone para interpretar los factores?
La interpretación se facilita al identificar las variables que tienen cargas altas
sobre el mismo factor. Ese factor puede interpretarse luego en términos de las
variables que tienen cargas altas de él.
13. ¿Cuándo es útil calcular las puntuaciones de los factores?
Después de la interpretación, de ser necesario pueden calcularse las
puntuaciones de los factores, el análisis factorial tiene su propio valor
independiente. No obstante, si el objetivo del análisis factorial es reducir el
conjunto original de variables a un conjunto menor de variables compuestas
(factores), para usarlo en análisis multivariados posteriores, es útil calcular para
cada encuestado las puntuaciones de los factores.
14. ¿Qué son las variables sustitutas? ¿Cómo se determinan?
Este proceso consiste en separar algunas variables originales para usarlas en
un análisis subsiguiente, esto permite al investigador realizar análisis posteriores
e interpretar los resultados en términos de las variables originales, en vez de las
puntuaciones de los factores.
B. Problemas.
