Matriz de adecuación de muestreo

MATRIZ DE ADECUACIÓN DE MUESTREO

- Me va a dar información sobre si los ítems están lo suficientemente relacionados entre sí como para poder agruparse.

- Si me dice que los ítems están lo suficientemente relacionados entre sí como para poder agruparse, entonces voy a poder ejecutar mi Análisis Factorial.

- Nos importa el P valor del Estadístico de Bartlett

• Si el P valor es menor a 0.05 entonces los ítems están lo suficientemente relacionados entre sí.
• Si el P valor es mayor o igual a 0.05 entonces los ítems NO están lo suficientemente relacionados entre sí.

- También nos importa el KMO.

• Si el KMO es mayor o igual a 0.7 entonces los ítems están lo suficientemente relacionados entre sí.
• Si el KMO es menor a 0.7 entonces los ítems NO están lo suficientemente relacionados entre sí.

- Si hay discrepancia entre el Estadístico de Bartlett y el KMO, es decir si uno me dice que sí y el otro que no, lo tomo cómo que los ítems NO están lo suficientemente relacionados entre sí.

PARALLEL ANALYSIS (PA) BASED ON MINIMUM RANK FACTOR ANALYSIS

- Aquí vamos a analizar la Óptima implementación del Análisis Paralelo.

- El Análisis Paralelo servía para determinar el número de factores o dimensiones.

- Nos importa Real-data % of variance (El porcentaje de varianza de los datos).

- Los números que tengas asteriscos son las dimensiones.

- Después esos números se los suman y se redondea a un decimal, el resultado nos dice el porcentaje que logra explicar la variable, lo ideal sería 100%.

- Ese resultado puede ser bueno o no, depende de qué categoría:

TEST DE ACTITUDES: Si el test que has creado mide actitudes mínimo debe medir el 30% de la Varianza.

El Test de Actitudes se identifica fácil porque todos tienen el nombre Actitudes el título siempre (Escala de Actitudes ante el aborto, Cuestionario de Actitudes hacia el estudio, etc.)

TEST DE PERSONALIDAD: Donde el mínimo es 70% de la Varianza.

Lo mismo pasa, el 90% de los Test de Personalidad tiene el nombre de Personalidad en el título (Escala de Personalidad Eysenck, Escala de personalidad de Minnesota).

LOS DEMÁS: Mínimo 50% de la Varianza.

Sino tiene el nombre Actitudes o Personalidad en el título se encuentran aquí.

Sino llega al porcentaje no se elimina la prueba, pero nos indica que la prueba no es tan buena, no logra explicar la mínima cantidad de varianza, lo mínimo de variable necesario para su tipo de Test.

Aquí termina el PASO 2, cuya finalidad fue el de determinar cuántas dimensiones, variables latentes tiene la prueba.

PASO 3

- El paso 3 comienza en configurar la consola.

- Se va de nuevo a la consola, a Configure Analysis, la matriz sigue siendo con la que hemos trabajado.

- El Análisis Paralelo no cambia.

- En el número de factores, sí cambia, del 0 que tenía le ponemos lo que hemos hallado, y se activan otras opciones.

- Se activan los métodos de extracción de factores, son 5 opciones.

• Si usas Matriz de Pearson, el método de extracción de factores es Máxima Verosimilitud Exploratoria (ML).

EXCEPCIÓN: Puede pasar que si usas Pearson no te vota un resultado con Máxima Verosimilitud Exploratoria (ML), puedes usar Mínimos cuadrados diagonalmente ponderados (DWLS)

• Si usas Polycholic, el método de extracción de factores es Mínimos cuadrados diagonalmente ponderados (DWLS)

- Tenemos la opción Rotación, tanto la Rotación como la extracción de factores, me permite determinar mejor a dónde van los ítems. Permite determinar cómo se agrupan los ítems.

Existen 2 tipos de Rotación, Ortogonal y el otro Oblicuo.

Rotación Ortogonal se usa cuando los factores, variables latentes no están lo suficientemente relacionados entre sí, y otro cuando la teoría te lo dice.

Rotación Oblicua se usa cuando los factores, variables latentes están lo suficientemente relacionados entre sí.

Se usa Rotación Ortogonal cuando la correlación entre los factores o dimensiones sea menor 0.3 valor absoluto.

Se usa Rotación Oblicua cuando la correlación entre dos dimensiones de la prueba sea mayor o igual a 0.3 valor absoluto.

Como es valor absoluto no importa el signo, se mira los números.

Para Rotación Ortogonal se usa el coeficiente RAW VARIMAX.

Para Rotación Oblicua se usa el Promin.

En el output del paso 3 tendremos una tablita que se llama Correlaciones Interactorial, para tener esa tabla tenemos que procesar con Rotación Oblicua.

NOTA: Cuando la prueba solo tiene 1 factor o dimensión, no se usa rotación.

INTER-FACTORS CORRELATION MATRIX (MATRIZ DE CORRELACIONES INTERFACTORIALES)

Cuando se tenga muchas correlaciones lo primero que debemos hacer es contar, cuántas son mayores y cuántas menores, la mayoría manda y se decide si es Ortogonal u Oblicua.

...