Gua SPSS: Anlisis Factorial

Material de apoyo para la ayudanta de Anlisis Estadstico IV

Universidad de Chile- Departamento de Sociologa

Monica Gerber Plss Macarena Orchard Rieiro

Material de Apoyo Ayudanta Anlisis Estadstico IV

Mnica Gerber Macarena Orchard

Actualizacin: Marzo 2006

Material de Apoyo Ayudanta Anlisis Estadstico IV

Mnica Gerber Macarena Orchard

I.

INTRODUCCIN

En la siguiente gua se ejemplifica el uso y el anlisis de las salidas del programa estadstico SPSS v.13. para la tcnica estadstica multivariante Anlisis Factorial. Para ello, se plantea un objetivo de investigacin y se resuelve a travs de la tcnica mencionada. A continuacin se presentan los objetivos del anlisis a realizar, los datos y las variables a utilizar. Luego se describe la utilizacin de los comandos del programa y se analizan las salidas obtenidas.

II. PRESENTACIN DEL EJEMPLO

Base de datos: Para la ejemplificacin del Anlisis Factorial se utilizar una parte de la base de datos de la encuesta de Tolerancia y No Discriminacin 1. Todas las variables que contiene la base de datos son parte de una escala Likert con 6 opciones de respuesta, que miden el grado en el que el encuestado se encuentra de acuerdo o en desacuerdo con una afirmacin especfica en torno a temas relacionados con tolerancia y discriminacin. La encuesta est compuesta de una serie de subescalas, tales como homofobia, racismo anti-indgena, sexismo, dogmatismo, autoritarismo, entre otras. Objetivos: El fin de este anlisis es revisar la validez de las subescalas de Tolerancia y No-Discriminacin. Dado que el anlisis factorial permite analizar la estructura subyacente de una serie de variables, se constituye en la herramienta ideal para constatar que las variables que componen las distintas subescalas realmente son parte de una misma dimensin. Variables: Cabe recordar que el anlisis factorial es una tcnica de interdependencia que opera con variables cuantitativas. Ya que en este anlisis se utilizan 63 variables no las enumeraremos todas, pero a continuacin pondremos algunas para ejemplificar: A los homosexuales no se les debe permitir ser profesores de colegio. La mujer que trabaja debe hacerlo en tareas propias de su sexo, tales como enfermera, trabajos de oficina y cuidado de los nios. Hay dos clases de individuos en este mundo; los que estn a favor o en contra de la verdad Los pobres son tan descuidados con su aspecto que da temor acercarse a ellos.

Encuesta Tolerancia y No Discriminacin. Jaime Aymerich, Manuel Canales, Manuel Vivanco Mnica Gerber Macarena Orchard

Material de Apoyo Ayudanta Anlisis Estadstico IV

La base de datos es la siguiente:

III. APLICACIN COMPUTACIONAL

Para llevar a cabo el anlisis seleccionamos el anlisis factorial en Analizar (Analyze), Reduccin de Datos (Data Reduction) y Anlisis Factorial (Factor):

Material de Apoyo Ayudanta Anlisis Estadstico IV

Mnica Gerber Macarena Orchard

La ventana que obtenemos es la siguiente:

Al ser una tcnica de interdependencia no definimos las variables dependientes e independientes, sino que incluimos todas las variables en el mismo recuadro. A continuacin, en la ventana se da la opcin de especificar en cuanto a: Descriptivos, Extraccin, Rotacin, Puntajes y Opciones. Para empezar abrimos la ventana de Descriptivos:

Las opciones que pueden pedirse son, por un lado, estadsticos, y por otro, matrices de correlacin. Con respecto a los estadsticos, podemos pedir los Descriptivos Univariantes y la Solucin Inicial, y con respecto a las Matrices de Correlacin, los Coeficientes, los Niveles de Significacin, la Determinante, KMO y la Prueba de Esfericidad de Bartlett, la Matriz Inversa, la Matriz Reproducida y la Matriz Anti-Imagen. En este caso decidimos marcar todas las opciones, exceptuando los Niveles de Significacin y la Matriz Inversa para las Matrices de Correlacin. La utilidad y el anlisis de cada uno de estos estadsticos y matrices se explicarn al interpretar las salidas.

Material de Apoyo Ayudanta Anlisis Estadstico IV

Mnica Gerber Macarena Orchard

Marcamos Continuar y luego abrimos la ventana de Extraccin:

La primera decisin a tomar es el mtodo de extraccin. Como predeterminado viene el Mtodo de Componentes Principales. Para fines de esta gua no nos detendremos mayormente en explicar cada uno de estos mtodos, pero optamos por dejar la opcin predeterminada. Luego se da la opcin de elegir si el anlisis se llevar a cabo a travs de la Matriz de Correlaciones o de Covarianzas. Tambin en este caso lo dejamos en el predeterminado. Adems, el programa da la opcin de mostrar la Solucin no Rotada y el Grfico de Solucin. Se marcan ambas opciones. A continuacin es necesario tomar una decisin con respecto al nmero de factores que sern extrados. Ntese que en un principio se obtienen tantos factores como variables existentes. Si mantuviramos todos los factores, no estaramos reduciendo dimensiones. Es por eso que un criterio muy comn es fijar el corte en factores con un autovalor mayor que 1, lo que implica que el factor explica por lo menos una variable. Otra opcin es definir un nmero fijo de factores a conservar. En este caso se opta por utilizar el criterio del autovalor mayor a 1. Por ltimo, se da la alternativa de elegir un nmero mximo de iteraciones a realizar por el programa. Vemos de manera predeterminada 25 iteraciones. No se harn modificaciones en este caso. Marcamos Continuar y abrimos la ventana de Rotacin:

Material de Apoyo Ayudanta Anlisis Estadstico IV

Mnica Gerber Macarena Orchard

En esta ventana debe seleccionarse el Mtodo de rotacin de los factores. La rotacin ayuda a una mejor interpretacin de los mismos. Existen varios mtodos, entre ellos Varimax, Quartimax, Equamax, etc. La manera en la que estos distintos mtodos reorganizan la varianza es distinta. Por ejemplo, el mtodo Varimax busca simplificar la interpretacin de las columnas de la matriz de factores. Esta es la opcin ms comn y es la que se utilizar en este caso. Marcamos adems la opcin de mostrar la Solucin Rotada y el Grfico de Componentes en el espacio rotado. Nuevamente dejamos en 25 las iteraciones mximas. Marcamos continuar y abrimos la ventana de Puntajes:

Esta ventana da la opcin de calcular por medio de varios mtodos (Regresin, Bartlett, Anderson-Rubin) los puntajes de cada caso en las nuevas variables o dimensiones que se generen. La lgica subyacente tiene que ver con poder remplazar las variables antiguas por los nuevos componentes en un futuro anlisis. Para esto es necesario asignarle a cada caso un puntaje en cada nueva variable, como si sta hubiera sido medida directamente. En este caso, pedimos que guarde las nuevas variables y que el mtodo de creacin de los puntajes sea el de la regresin. Marcamos Continuar y abrimos la ventana de Opciones:

Material de Apoyo Ayudanta Anlisis Estadstico IV

Mnica Gerber Macarena Orchard

En esta ventana se decide el tratamiento de los casos perdidos. Se selecciona la opcin de remplazar los casos perdidos por la media. Adems, existe la opcin de que los coeficientes en las funciones sean ordenados por tamao. Marcamos esta opcin ya que ayuda a una interpretacin ms simple. Al marcar Paste (Pegar) obtenemos la sintaxis:

FACTOR /VARIABLES p1 p2 p3 p4 p5 p6 p7 p8 p9 p10 p11 p12 p13 p14 p15 p16 p17 p18 p19 p20 p21 p22 p23 p24 p25 p26 p27 p28 p29 p30 p31 p32 p33 p34 p35 p36 p37 p38 p39 p40 p41 p42 p43 p44 p45 p46 p47 p48 p49 p50 p51 p52 p53 p54 p55 p56 p57 p58 p59 p60 p61 p62 p63 /MISSING MEANSUB /ANALYSIS p1 p2 p3 p4 p5 p6 p7 p8 p9 p10 p11 p12 p13 p14 p15 p16 p17 p18 p19 p20 p21 p22 p23 p24 p25 p26 p27 p28 p29 p30 p31 p32 p33 p34 p35 p36 p37 p38 p39 p40 p41 p42 p43 p44 p45 p46 p47 p48 p49 p50 p51 p52 p53 p54 p55 p56 p57 p58 p59 p60 p61 p62 p63 /PRINT UNIVARIATE INITIAL CORRELATION DET KMO REPR AIC EXTRACTION ROTATION /FORMAT SORT /PLOT EIGEN ROTATION /CRITERIA MINEIGEN(1) ITERATE(25) /EXTRACTION PC /CRITERIA ITERATE(25) /ROTATION VARIMAX /SAVE REG(ALL) /METHOD=CORRELATION .

Marcamos Continuar y en la ventana principal marcamos OK para procesar los datos. De este modo se obtienen las salidas. Cabe destacar que las salidas del Anlisis Factorial son bastante amplias, ya que se incluyeron 63 variables. Es por esto que se irn mostrando solo pedazos de las tablas, suficientes para ejemplificar la interpretacin:

Material de Apoyo Ayudanta Anlisis Estadstico IV

Mnica Gerber Macarena Orchard

Lo primero que obtenemos son los estadsticos descriptivos para cada variable:

A. factorial
Es tads ticos descriptivos Media Preg.1 Una perso na que prctica una religi n es ms confiable que alguien ateo . Preg.2 No se debe permitir el divorcio pues se po ne en peligro la so lidez del matrimo nio y la familia. Preg.3 La obediencia y el respeto a la auto ridad so n las primeras virtudes que hay que ensear a lo s nio s. Preg.4 Es natural y justo que se impo nga a las mujeres ciertas restriccio nes que no pesan so bre lo s hombres Preg.5 A lo s ho mo sexuales no se les debe permitir ser profeso res de co legio. Preg.6 Por sus caractersticas raciales los indgenas tendrn siempre una limitacin so cial Preg.7 Las personas que usan barba , pelo largo y tatuajes, deben cambiar su aspecto para trabajar en cualquiera empresa. Preg.8 En alguno s caso s especiales el aborto es aco nsejable. Preg.9 Es triste admitirlo , pero las desigualdades so ciales so n necesarias para el funcionamiento de la eco no ma. Preg.10 Un colegio adecuado para las nias es aquel do nde pueden aprender co rrectamente sus ro les de madre y espo sa. 3,69 4,17 Desviacin a tpica 1,912 1,986 N del anlisis 600 600
a

N perdida 0 0

2,09

1,542

600

4,7 4 3,94 4,57 3,89 3,52 4,09

1,7 30 2,130 1,914 2,066 2,130 2,040

600 600 600 600 600 600

0 0 0 0 0 0

4,15

2,023

600

a. Para cada variable, lo s valores perdidos se sustituyen po r la media de la variable.

Los datos que obtenemos son la Media, la Desviacin Standard, el nmero de casos vlidos y los valores perdidos. stos no tienen mucha utilidad para el anlisis mismo, pero sirven para tener una visin general de la base de datos. Cmo las variables son todas parte de una escala Likert, variables con promedios bajos implican un mayor acuerdo con la afirmacin a la que refieren, y variables con promedios altos implican un mayor desacuerdo. Observamos adems, que no existen valores perdidos y que en todos los anlisis se incluyeron 600 casos.

Material de Apoyo Ayudanta Anlisis Estadstico IV

Mnica Gerber Macarena Orchard

La siguiente tabla es la Matriz de Correlaciones:

a Matriz de correlaciones

Preg.1 Una persona que prctica una religin es ms confiable que alguien ateo. Correlacin Preg.1 Una persona que prctica una religin es ms confiable que alguien ateo. Preg.2 No se debe permitir el divorcio pues se pone en peligro la so lidez del matrimo nio y la familia. Preg.3 La obediencia y el respeto a la autoridad so n las primeras virtudes que hay que ensear a lo s nio s. Preg.4 Es natural y justo que se imponga a las mujeres ciertas restriccio nes que no pesan sobre los hombres Preg.5 A lo s ho mosexuales no se les debe permitir ser profeso res de colegio . a. Determinante = 8,66E-010 1,000

Preg.2 No se debe permitir el divo rcio pues se pone en peligro la solidez del matrimonio y la familia. ,368

Preg.3 La obediencia y el respeto a la autoridad son las primeras virtudes que hay que ensear a los nio s. ,268

Preg.4 Es natural y justo que se imponga a las mujeres ciertas restricciones que no pesan sobre los hombres ,304

Preg.5 A los ho mo sexual es no se les debe permitir ser profeso res de colegio. ,196

,368

1,000

,220

,227

,292

,268

,220

1,000

,255

,178

,304

,227

,255

1,000

,120

,196

,292

,178

,120

1,000

Si bien solo vemos una parte nfima de la tabla, basta para entender lo que sta significa. Tanto en las columnas como en las filas se encuentran todas las variables. Las correlaciones se interpretan de manera tradicional, desde el -1 hasta el 1, donde el 0 significa que no existe relacin entre las variables. Si bien esta matriz no es muy til para sacar conclusiones, sirve para tener una visin general de las variables que se encuentran
Material de Apoyo Ayudanta Anlisis Estadstico IV Mnica Gerber Macarena Orchard

correlacionadas. En la diagonal vemos puros unos, ya que la correlacin de una variable consigo misma es siempre perfecta. En el resto de la tabla se observan las correlaciones entre todas las variables. Por ejemplo, la Pregunta 1 tiene una correlacin de 0,368 con la Pregunta 2. Si observamos al pie de la tabla, a mano izquierda, vemos la Determinante. Si la Determinante se encuentra cercana a 0, significa que existe relacin entre las variables. En este caso vemos claramente que existe relacin entre las variables.

Otra forma de analizar si existe relacin entre las variables es por medio del Test de KMO y de Bartlett:
KMO y prueba de Bartlett Medida de adecuaci n mues tral de Kaiser-Meyer-Olkin. Prueba de esfericidad de Bartlett Chi-cuadrado apro ximado gl Sig. ,927 12043,7 34 1953 ,000

El Kaiser-Meyer-Olkin Measure Sampling Adequacy (KMO) es un estadstico que mide la proporcin de la varianza en las variables que es comn. Si es cercano a 1, existen suficientes comunalidades como para llevar a cabo el anlisis. En este caso es ,927, por lo que sin duda alguna, existe varianza comn entre las variables. El Test de Bartlett contrasta la hiptesis nula de que la matriz de correlacin es una matriz identidad. La matriz identidad es una matriz que tiene unos en la diagonal y ceros en los dems espacios. Si nuestra matriz fuera una matriz identidad, la nica relacin existente sera la relacin de cada variable consigo misma. Por lo tanto, la matriz identidad es una matriz de independencia. Para aceptar que existen relaciones en la matriz, la significacin ha de ser menor a 0,05. En este caso la significacin es de ,000, por lo que podemos afirmar que nuestra matriz no es una matriz identidad. La siguiente tabla es la Matriz Anti-Imagen:

Material de Apoyo Ayudanta Anlisis Estadstico IV

Mnica Gerber Macarena Orchard

En la diagonal observamos la Medida de Adecuacin de la Muestra. Interesa que sea mayor a 0,5. En este caso, cumple el requisito. En el resto de la tabla, que es lo que nos interesa, se presentan las correlaciones que no se deben a los factores comunes. Si hay valores bajos, podemos afirmar que nuestra matriz tiene poca varianza no explicada. En este caso observamos valores cercanos a 0, por lo que la varianza que no se debe a factores comunes es muy baja. Ahora observamos las Comunalidades:

Material de Apoyo Ayudanta Anlisis Estadstico IV

Mnica Gerber Macarena Orchard

Comunalidades Inicial Preg.1 Una perso na que prctica una religi n es ms confiable que 1,000 alguien ateo. Preg.2 No se debe permitir el divorcio pues se po ne en peligro la solidez 1,000 del matrimonio y la familia. Preg.3 La obediencia y el respeto a la auto ridad son las primeras virtudes 1,000 que hay que ensear a lo s nio s. Preg.4 Es natural y justo que se impo nga a las mujeres ciertas 1,000 restriccio nes que no pesan so bre lo s ho mbres Preg.5 A lo s ho mo sexuales no se les debe permitir ser pro feso res de 1,000 co legio . Preg.6 Por sus caractersticas raciales lo s indgenas tendrn siempre 1,000 una limitacin so cial Preg.7 Las perso nas que usan barba , pelo largo y tatuajes, deben 1,000 cambiar su aspecto para trabajar en cualquiera empresa. Preg.8 En alguno s caso s especiales el abo rto es aco nsejable. 1,000 Preg.9 Es triste admitirlo , pero las desigualdades sociales so n necesarias 1,000 para el funcio namiento de la eco no ma. Preg.10 Un co legio adecuado para las nias es aquel do nde pueden 1,000 aprender correctamente sus ro les de madre y esposa. Preg.11 En Chile no se respeta como se debiera a lo s hro es de la patria 1,000 Preg.12 Es mejo r no meterse co n lo s gitano s , pues no so n de fiar 1,000 Preg.13 La mujer que trabaja debe hacerlo en tareas propias de su sexo , 1,000 tales co mo enfermera, trabajo s de o ficina y cuidado de lo s nio s. Preg.14 Es verdad que lo s peruano s necesitan empleo , pero los 1,000 empresarios deben preferir siempre a los chileno s Preg.15 Un libro que co ntiene ideas polticas err neas debe ser retirado de 1,000 las libreras Mtodo de extracci n: Anlisis de Co mpo nentes principales. Extraccin ,551 ,527 ,463 ,436 ,583 ,622 ,57 8 ,634 ,620 ,647 ,650 ,530 ,654 ,518 ,460

Al mirar la columna de Extraccin vemos la parte de la varianza que es comn en cada variable. De esta forma, valores cercanos a 1 implican que la variable tiene mucha comunalidad y que es til para el anlisis. En este caso los valores son en general bastante altos. Sin embargo, algunos autores plantean como lmite una comunalidad de 0,5 y en nuestro caso tenemos comunalidades de 0,4. Podra argumentarse la necesidad de eliminar estas variables del anlisis.

La tabla que sigue es la tabla del Total de varianza Explicada (presentamos slo una parte, por problemas de espacio):

Material de Apoyo Ayudanta Anlisis Estadstico IV

Mnica Gerber Macarena Orchard

Varianza total explicada Auto valo res iniciales % de la To tal varianza % acumulado 14,228 22,584 22,584 2,391 3,7 95 26,37 9 2,203 3,498 29,87 7 1,826 2,898 32,7 7 5 1,692 2,685 35,460 1,434 2,27 6 37 ,7 37 1,37 6 2,185 39,921 1,354 2,150 42,07 1 1,261 2,002 44,07 3 1,211 1,922 45,995 1,17 6 1,867 47 ,862 1,134 1,800 49,662 1,103 1,7 50 51,412 1,088 1,7 27 53,140 1,020 1,619 54,7 59 1,003 1,593 56,351 Sumas de las saturacio nes al cuadrado Suma de las saturacio nes al cuadrado de la extracci n de la ro taci n % de la % de la To tal varianza % acumulado To tal varianza % acumulado 14,228 22,584 22,584 4,050 6,429 6,429 2,391 3,7 95 26,37 9 3,7 84 6,006 12,435 2,203 3,498 29,87 7 3,526 5,597 18,032 1,826 2,898 32,7 7 5 2,521 4,002 22,034 1,692 2,685 35,460 2,47 2 3,924 25,958 1,434 2,27 6 37 ,7 37 2,323 3,688 29,646 1,37 6 2,185 39,921 2,269 3,602 33,248 1,354 2,150 42,07 1 2,193 3,481 36,7 28 1,261 2,002 44,07 3 2,165 3,436 40,165 1,211 1,922 45,995 1,7 20 2,7 30 42,895 1,17 6 1,867 47 ,862 1,657 2,629 45,524 1,134 1,800 49,662 1,443 2,291 47 ,816 1,103 1,7 50 51,412 1,423 2,258 50,07 4 1,088 1,7 27 53,140 1,362 2,162 52,236 1,020 1,619 54,7 59 1,305 2,07 1 54,306 1,003 1,593 56,351 1,288 2,045 56,351

Co mpo nente 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

Mto do de extracci n: Anlisis de Co mpo nentes principales .

Vemos 63 componentes, 1 por cada variable. Luego vemos los autovalores, el porcentaje de varianza y el porcentaje de varianza acumulada. El primer componente tiene un autovalor de 14,228, mucho mayor a todos los componentes que le siguen. La varianza explicada por el primer componente es el 22,58%. Si observamos bien, a la vez que vamos avanzando en los componentes el autovalor va bajando, al igual que el porcentaje de varianza explicada. Esto se debe a que los componentes se ordenan de manera jerrquica. As mismo, habamos definido como criterio de corte, un autovalor de 1. Hasta el componente 16, los autovalores son mayores que 1, pero ya el 17 tiene un autovalor menor que 1 (,977). La varianza explicada por este componente es muy baja (1,55%). Por lo tanto, nos quedamos con 16 componentes, reduciendo bastante las 63 variables. En las columnas adyacentes se repite la misma informacin, pero esta vez, slo de los componentes que se mantienen. Si miramos en la varianza acumulada vemos que luego del componente 16, sta es de 56,35%. Esto quiere decir, que si bien perdemos mucha informacin al reducir dimensiones, podemos mantener an el 56,35% de sta, reduciendo las variables de 63 a 16. Por ltimo, en las columnas finales, encontramos la misma informacin, pero luego de haber sido aplicada la rotacin. Recordemos que la rotacin reordena la varianza. De esta forma, el primer componente ya no tiene un autovalor de 14, sino de 4, y la varianza que explica es ahora slo el 6%. Lo que hace la rotacin es emparejar los factores. Si bien el primer componente sigue siendo el que ms explica, ahora no se encuentra tan lejos de los dems componentes. Cabe destacar que, sin embargo, si miramos la varianza acumulada, luego del componente 16, sta es del 56,35%, igual que en la solucin no rotada. La rotacin reorganiza varianza, no la pierde.

El siguiente grfico es el Grfico de Sedimentacin:

Material de Apoyo Ayudanta Anlisis Estadstico IV

Mnica Gerber Macarena Orchard

Este grfico compara los componentes con los autovalores. Como podemos ver, el primer componente es el que tiene el mayor autovalor, muy separado de los dems componentes. La utilidad de este grfico dice relacin con si se quiere corroborar el corte que se hizo. En este caso, por ejemplo, cabra preguntarse si vale la pena incluir los componentes desde el 5 en adelante, ya que es ah donde se produce el corte en cuanto a la magnitud de los autovalores. De todas formas, optamos por quedarnos con 16 componentes.

La siguiente tabla es la Matriz de Componentes, la cual se presenta slo en parte, debido a su tamao:

Material de Apoyo Ayudanta Anlisis Estadstico IV

Mnica Gerber Macarena Orchard

a Matriz de componentes

Co mpo nente 1 Preg.50 Lo s jvenes de ho y necesitan mano dura ya que le han perdido el respeto a todo Preg.18 Un pas que permite muchas diferencias en las opinio nes de la gente puede entrar en peligro de conflictos graves. Preg.43 Mientras ms religio nes se permitan en el pas ms difcil es inculcarle valo res a los hijos. Preg.38 Si se mezclan mucho lo s peruanos co n los chileno s, la calidad de la gente de nuestro pas se va a echar a perder Preg.21 Lo s chilenos so n ms valientes y patrio tas que las perso nas de lo s pases vecinos. Preg.46 A pesar de que hay excepcio nes , est claro que lo s chileno s somo s ms capaces que los habitantes de los pases vecino s Preg.10 Un colegio adecuado para las nias es aquel donde pueden aprender co rrectamente sus roles de madre y espo sa. ,607 ,599 ,598 ,592 ,592 ,588 2 -,082 ,040 ,067 ,185 ,041 ,143 3 -,368 -,164 -,127 -,094 -,086 -,186 4 ,020 -,068 -,034 -,096 -,123 -,214 5 -,119 ,079 ,031 ,156 ,173 ,023

,57 9

-,349

,027

-,033

-,089

Mto do de extracci n: Anlisis de compo nentes principales. a. 16 co mponentes extrados

Esta matriz cruza cada variable (filas) con cada uno de los 16 componentes nuevos (columnas). De este modo, se define para cada variable su correspondencia con cada componente. Los valores son las correlaciones entre las variables y los factores. Una mayor correlacin (ms cercana a 1) significa que la variable tiene mayor peso en ese factor. Sin embargo, sta es la matriz no rotada, que es difcil de interpretar, ya que, como vemos, la mayora de las variables tienen peso (valores altos) en el primer componente. Tambin observamos que las preguntas fueron ordenadas segn las correlaciones, como fue pedido en un principio. Ya que es complejo interpretar esta matriz, se prefiere interpretar la matriz de componentes rotada. sta ser interpretada ms adelante.

La prxima tabla es la Matriz Reproducida:

Material de Apoyo Ayudanta Anlisis Estadstico IV

Mnica Gerber Macarena Orchard

Esta matriz compara valores esperados con valores observados. Es por esto que en la primera parte de la tabla se presentan las correlaciones reproducidas, mientras que en la segunda parte se presentan los residuos. Los residuos son las diferencias entre la matriz inicial y esta matriz reproducida. Mientras ms cercanos a 0 se encuentren, menores sern los residuos, y ms similares los valores esperados con los observados. Para un anlisis ms acabado, miramos el pie de la tabla:

Vemos aqu que los residuos computados entre las correlaciones observadas y reproducidas son el 18%. Sin embargo, es difcil interpretar este dato, ya que no existen criterios claros para definir si esto es aceptable o no.

A continuacin observamos una parte de la Matriz Rotada:

Material de Apoyo Ayudanta Anlisis Estadstico IV

Mnica Gerber Macarena Orchard

a Matriz de componentes rotados

Co mpo nente 1 Preg.22 Para que hagamo s bien nuestro trabajo , es necesario que patrones y jefes no s indiquen cuidado sa y exactamente qu es lo que debemos hacer y co mo . Preg.50 Lo s jvenes de ho y necesitan mano dura ya que le han perdido el respeto a to do Preg.54 Lo que necesita la juventud es auto ridad, determinaci n y vo luntad de trabajar y luchar po r la familia y la patria Preg.18 Un pas que permite muchas diferencias en las o pinio nes de la gente puede entrar en peligro de co nflicto s graves. Preg.26 Ms que discusio nes entre no sotro s, lo que neces itamo s es un jefe Preg.3 La o bediencia y el respeto a la auto ridad so n las primeras virtudes que hay que ensear a los nio s . Preg.43 Mientras ms religio nes se permitan en el pas ms difcil es inculcarle valores a lo s hijos . Preg.49 Deben existir personas que censuren lo que sale en televisi n , pues no se pueden difundir valo res equivocados Preg.62 Dada la situaci n actual, es inco nveniente que se co ntraten j venes, pues se quejan demasiado y no valo ran el trabajo Preg.15 Un libro que contiene ideas po lticas errneas debe ser retirado de las libreras Preg.33 Ante dificultades impo rtantes, lo s ho mbres tienen ms valo r y estn mejor preparado s que las mujeres para enfrentarlo s. Preg.19 Es normal que lo s empresario s prefieran a los hombres en lo s trabajos, pues tienen ms experiencia que las mujeres. Preg.23 Salvo excepciones, las mujeres tienen meno s capacidad que lo s ho mbres para desarro llar cargos de alta respo ns abilidad Preg.47 Es normal que lo s ho mbres ganen ms dinero que las mujeres pues tienen una familia que mantener Mtodo de extracci n: Anlisis de co mpo nentes principales. Mtodo de rotaci n: No rmalizaci n Varimax co n Kaiser. a. La ro taci n ha co nvergido en 16 iteracio nes. ,592 ,57 0 ,568 ,539 ,517 ,515 ,490 ,445 ,395 ,390 ,112 ,024 ,07 7 ,07 8 2 ,069 ,07 7 ,089 ,134 ,17 2 ,083 ,104 ,066 ,231 ,17 1 ,7 13 ,7 02 ,67 3 ,600 3 ,143 ,184 ,187 ,157 ,107 ,164 ,17 0 ,410 ,057 ,17 2 ,142 ,034 ,016 ,142 4 ,053 -,050 ,039 ,129 ,219 ,115 ,232 ,000 ,17 7 ,145 ,004 ,166 ,082 ,103 5 ,234 ,17 3 ,193 ,090 ,152 ,085 ,036 -,044 ,077 ,030 ,061 ,007 ,022 ,015

Con la Matriz Rotada intentaremos definir qu variables se asocian a qu componente. El fin de esto es observar si las variables que se definieron como parte de una subescala efectivamente son ordenadas en un mismo componente. Si esto sucede as, podemos afirmar que la subescala tiene validez. En esta primera parte analizaremos las variables que pesan en el primer componente (que tienen correlaciones sobre 0,5 en este componente). Estas son: Para que hagamos bien nuestro trabajo, es necesario que patrones y jefes nos indiquen cuidadosa y exactamente qu es lo que debemos hacer y cmo. Los jvenes de hoy necesitan mano dura ya que le han perdido el respeto a todo Lo que necesita la juventud es autoridad, determinacin y voluntad de trabajar y luchar por la familia y la patria. Un pas que permite muchas diferencias en las opiniones de la gente puede entrar en peligro de conflictos graves. Ms que discusiones entre nosotros, lo que necesitamos es un jefe. La obediencia y el respeto a la autoridad son las primeras virtudes que hay que ensear a los nios.

Material de Apoyo Ayudanta Anlisis Estadstico IV

Mnica Gerber Macarena Orchard

Observando estas afirmaciones, vemos que claramente el componente al que pertenecen se asocia con el autoritarismo. Por lo tanto, podemos concluir que, por lo menos la subescala de autoritarismo tiene validez. Si observamos en las salidas las variables que pesan en el segundo componente, vemos que stas se encuentran asociadas al sexismo: Ante dificultades importantes, los hombres tienen ms valor y estn ms preparados que las mujeres para enfrentarlos. Es normal que los empresarios prefieran a los hombres en los trabajos, pues tienen ms experiencia que las mujeres. Salvo excepciones, las mujeres tienen menos capacidad que los hombres para desarrollar cargos de alta responsabilidad. Es normal que los hombres ganen ms dinero que las mujeres pues tienen una familia que mantener. La mujer que trabaja debe hacerlo en tareas propias de su sexo, tales como enfermera, trabajos de oficina y cuidado de los nios.

Si siguiramos el anlisis de todos los componentes, nos encontraramos con situaciones similares. Para fines de esta gua, nos conformamos con el anlisis de los dos componentes anteriores. De todos modos, es importante destacar que es en este proceso dnde las variables se asocian a los componentes y se definen los nombres de las nuevas variables, segn las variables que los compongan (y el peso relativo de stas). A continuacin observaremos, sin Transformacin de los Componentes: detenernos mucho en ello, la Matriz de

Matriz de transformacin de las componentes Compo nente 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 1 ,444 -,047 -,540 -,115 ,001 ,166 ,082 ,207 ,069 ,199 ,163 ,468 ,189 ,146 -,066 -,261 2 ,389 -,249 ,572 -,522 -,224 -,200 ,120 ,113 ,137 -,085 ,042 ,040 ,095 ,172 ,022 -,016 3 ,386 -,514 -,069 ,278 ,238 ,225 ,161 ,232 -,015 -,193 -,133 -,27 8 -,298 -,013 -,197 ,243 4 ,279 ,345 ,136 -,057 ,549 -,083 -,115 -,192 ,042 -,022 -,561 ,269 -,070 ,148 -,018 ,081 5 ,271 ,211 -,211 ,232 -,436 -,648 ,161 ,010 -,141 -,049 -,201 -,042 -,126 -,092 -,239 ,043

Mto do de extracci n: Anlisis de co mpo nentes principales . Mto do de ro taci n: No rmalizaci n Varimax con Kaiser.

Esta matriz se refiere a la magnitud de la rotacin llevada a cabo. Si los valores que se encuentran fuera de la diagonal son cercanos a 0, significa que hubo poca rotacin. Si observamos esta tabla, los valores son en general bastante cercanos a 0 (con algunas excepciones), por lo que podemos concluir que no hubo mucha rotacin de los factores.

Material de Apoyo Ayudanta Anlisis Estadstico IV

Mnica Gerber Macarena Orchard

Por ltimo, observamos el Grfico de Componentes Rotados:

Este grfico nos muestra las variables en un espacio formado por 3 componentes. Su interpretacin no es fcil, por lo que no tiene mucha utilizacin. Adems, si se incluyeran los 16 componentes, sera prcticamente irreconocible. De todas formas sirve para ver como se distribuyen las variables.

Variables nuevas en la base de datos

Material de Apoyo Ayudanta Anlisis Estadstico IV

Mnica Gerber Macarena Orchard

Al comienzo habamos pedido guardar los puntajes de cada caso en los factores, y habamos definido que esto se hiciera por medio de la regresin. Si volvemos ahora a la base de datos, y vemos en las ltimas columnas, observaremos lo siguiente:

A mano derecha de la ltima variable encontraremos 16 factores, que corresponden a cada uno de los componentes nuevos. Cada caso tiene un puntaje asociado a estos componentes. Si bien estos puntajes no son interpretables de manera absoluta, son tiles para llevar a cabo un nuevo anlisis, contemplando ahora solamente estas 16 nuevas variables. Recordemos que estos puntajes en los factores remplazan los puntajes en las otras variables.

Material de Apoyo Ayudanta Anlisis Estadstico IV

Mnica Gerber Macarena Orchard