Análisis Factorial de Metodos
Enviado por f_ranciscaa • 22 de Agosto de 2016 • Trabajo • 612 Palabras (3 Páginas) • 380 Visitas
Análisis Factorial
Nombres
Francisca Caro
Catalina Machuca
Resumen
En el análisis realizado se muestra que la medida de adecuación muestral es mediocre, y que se rechaza la hipótesis nula, es decir, la matriz no es identidad.
La matriz de correlaciones muestra un valor del 64,10%, por lo tanto este valor nos permite la agrupación de los datos.
El análisis extrae los valores mayores a 1 y en este caso se extrae hasta el cuarto componente y estos explican el modelo un 75,114% y se asume que si se quiere explicar todo el modelo se deberían tomas los 13 componentes, pero en este caso se consideran las más “significativas”.
Introducción
Un análisis factorial es método a través del cual podemos reducir una muestra y generar un número definido de factores que nos permiten simplificar el análisis de datos.
En este informe se muestra el análisis factorial de una muestra aleatoria de 200 de las empresas clientes de HBAT.
Luego se realiza un segundo análisis factorial con los últimos 100 datos de las empresas, para comparar las matrices de componentes rotados y verificar que en cada una de las variables los componentes son los mismos.
Se muestran las conclusiones correspondientes a las tablas resultantes del análisis.
Metodología
KMO y prueba de Bartlett | ||
Medida de adecuación muestral de Kaiser-Meyer-Olkin. | ,621 | |
Prueba de esfericidad de Bartlett | Chi-cuadrado aproximado | 1994,588 |
gl | 78 | |
Sig. | ,000 |
- Según la medida de adecuación muestral de KMO (0,621) es mediocre.
- El grado de significancia es menor a 0,05, por lo tanto, se rechaza la hipótesis nula.
- Ho: Se dice que la matriz es identidad (no hay correlación)
- H1: Se dice que la matriz no es identidad
Matriz de correlacionesa | ||||||||||
x6 | x7 | x8 | x9 | x10 | x11 | x12 | x13 | x14 | ||
Correlación | x6 | 1,000 | -,138 | ,079 | ,053 | -,084 | ,515 | -,182 | -,450 | ,098 |
x7 | -,138 | 1,000 | ,114 | ,205 | ,504 | -,001 | ,756 | ,245 | ,173 | |
x8 | ,079 | ,114 | 1,000 | ,087 | ,070 | ,168 | ,107 | ,013 | ,794 | |
x9 | ,053 | ,205 | ,087 | 1,000 | ,198 | ,532 | ,209 | ,008 | ,127 | |
x10 | -,084 | ,504 | ,070 | ,198 | 1,000 | ,082 | ,637 | ,058 | ,071 | |
x11 | ,515 | -,001 | ,168 | ,532 | ,082 | 1,000 | -,033 | -,402 | ,266 | |
x12 | -,182 | ,756 | ,107 | ,209 | ,637 | -,033 | 1,000 | ,240 | ,172 | |
x13 | -,450 | ,245 | ,013 | ,008 | ,058 | -,402 | ,240 | 1,000 | ,005 | |
x14 | ,098 | ,173 | ,794 | ,127 | ,071 | ,266 | ,172 | ,005 | 1,000 | |
x15 | ,255 | ,036 | ,024 | ,118 | ,121 | ,240 | ,007 | -,136 | ,156 | |
x16 | ,053 | ,188 | ,063 | ,726 | ,164 | ,455 | ,208 | -,005 | ,229 | |
x17 | -,510 | ,270 | -,020 | ,491 | ,210 | -,314 | ,336 | ,442 | -,031 | |
x18 | ,051 | ,230 | ,112 | ,873 | ,240 | ,624 | ,261 | -,003 | ,195 | |
Sig. (Unilateral) | x6 | ,025 | ,132 | ,228 | ,118 | ,000 | ,005 | ,000 | ,085 | |
x7 | ,025 | ,055 | ,002 | ,000 | ,493 | ,000 | ,000 | ,007 | ||
x8 | ,132 | ,055 | ,112 | ,163 | ,009 | ,066 | ,426 | ,000 | ||
x9 | ,228 | ,002 | ,112 | ,002 | ,000 | ,002 | ,454 | ,037 | ||
x10 | ,118 | ,000 | ,163 | ,002 | ,125 | ,000 | ,209 | ,158 | ||
x11 | ,000 | ,493 | ,009 | ,000 | ,125 | ,323 | ,000 | ,000 | ||
x12 | ,005 | ,000 | ,066 | ,002 | ,000 | ,323 | ,000 | ,007 | ||
x13 | ,000 | ,000 | ,426 | ,454 | ,209 | ,000 | ,000 | ,470 | ||
x14 | ,085 | ,007 | ,000 | ,037 | ,158 | ,000 | ,007 | ,470 | ||
x15 | ,000 | ,308 | ,369 | ,049 | ,044 | ,000 | ,462 | ,028 | ,014 | |
x16 | ,229 | ,004 | ,189 | ,000 | ,010 | ,000 | ,002 | ,471 | ,001 | |
x17 | ,000 | ,000 | ,390 | ,000 | ,001 | ,000 | ,000 | ,000 | ,332 | |
x18 | ,236 | ,001 | ,057 | ,000 | ,000 | ,000 | ,000 | ,482 | ,003 |
...