Академический Документы
Профессиональный Документы
Культура Документы
Antes de iniciar el análisis factorial en todas sus etapas para cada modelo propuesto, cabe
hacer la pregunta acerca de la fiabilidad del instrumento de medición que hemos diseñado.
Para contestar estas preguntas debemos testear la fiabilidad del instrumento (de la escala).
Testear la fiabilidad de la escala significa que queremos determinar si las diferencias que
aún, que los lleva a confusión en el proceso de reconstrucción de una elección racional.
Uno de los criterios más utilizados para contestar estas preguntas es el llamado coeficiente
cual el análisis se realizara con el paquete estadístico IBM SPSS 23. (Hernandez, 2014).
Esto significa que el instrumento es adecuado (fiable) para evaluar las opiniones de los
Adicionalmente, podemos mirar los ítems de manera atomizada, ya que existe una prueba
con la muestra de 150 casos entre gerentes y/o propietarios y clientes, pero en la fila
ese reactivo del cálculo. La última columna de la tabla muestra que la fiabilidad del
instrumento tiende a disminuir, y no a aumentar, con la eliminación de cualquier reactivo,
reactivo -total corregida”, se ve que la escala tiene la virtud de que la correlación entre
los reactivos es moderadamente positiva, oscilando entre el 0,2 y 0,9, en los tres modelos,
por lo que pueden considerarse adecuados debido a que cada uno tiene la misma polaridad
de puntuación y, más importante aún, en cuanto a indicar que cada uno de ellos es
región en estudio, pero que tampoco es redundante. Esto quiere decir que los gerentes y/o
razones, estadísticamente hablando, para reducir el número de reactivos, puesto que ello
En primero lugar se realizara un análisis factorial del primer modelo la cual está
La primera pregunta que debemos responder es ¿tenemos datos adecuados para realizar
tanto no se muestran factores específicos. Debemos decir, además, que este es el método
A continuación, se muestran los principales resultados del AFE que nos llevaron a
postular un modelo de decisión de X factores. La tabla que se encuentra más abajo nos
correlaciones de los reactivos en la escala. Ésta debe ser cercana a 1, y en cualquier caso
superior a 0,6 para ser adecuada. Nuestros datos muestran 0,923, lo que implica que las
variables (ítems) originales sí son adecuadas para realizar un Análisis Factorial, los
valores pequeños (<0,6) indican que el análisis factorial puede no ser una buena idea, ya
que las correlaciones entre los pares de variables no pueden ser explicadas por otras
de 95% de confianza la hipótesis nula de no correlación entre los ítems, lo que implica
que los ítems sí están correlacionados (para estos efectos, requerimos que las variables
estén correlacionadas a fin de, específicamente, poder formar factores). Como puede
apreciarse, buena parte de esta información había sido entregada con el análisis de
fiabilidad mediante el coeficiente de Cronbach, y es que éste coeficiente puede ser visto
como un análisis factorial exploratorio de un factor, por lo que podemos deducir de los
datos que, hasta el momento, nuestra matriz de correlaciones es adecuada para nuestro
En la tabla de las varianzas totales según factor o componente, podemos verificar que el
Esta figura sugiere que en el modelo confirmatorio sólo debieran ser usados cuatro (4)
de información capturada por cada factor. Por lo tanto, el gráfico debe ser interpretado
utilizando la siguiente regla general para decidir el número de factores a utilizar: tome los
factores hasta que la pendiente de la recta que une sus puntos sea relativamente (≈)
paralela al Eje X. Mirando el eje X en nuestro gráfico, se ve que después de los cuatro (4)
factores, la contribución del 5to, 6to y 7mo puede ser considerada como marginal, o por
lo menos tiende a hacerse paralela al eje X, por lo que parece recomendable según los
criterios expuestos, seleccionar sólo cuatro (4) factores latentes para testear el modelo de
siguiente tabla que muestra los resultados rotados de la matriz de cargas factoriales.
Hemos seleccionado (sombreado) la mayor carga factorial de cada reactivo en cada Factor
en el instrumento donde están las preguntas con su respetivo código asignado, por lo que
Componente
1 2 3 4
VCH1 ,934 ,211 ,229 ,131
VCT1 ,934 ,211 ,229 ,131
VCT6 ,934 ,211 ,229 ,131
VCC1 ,934 ,211 ,229 ,131
VCC3 ,934 ,211 ,229 ,131
VCR3 ,934 ,211 ,229 ,131
VCR1 ,827 ,245 ,326 ,209
VCF3 ,771 ,308 ,333 ,184
VCL3 ,725 ,348 ,149
VCF1 ,539 ,423 ,135 ,402
VCL4 ,533 ,378 ,295 ,437
VCF4 ,237 ,914 ,162 ,230
VCT5 ,242 ,913 ,171 ,249
VCR2 ,242 ,913 ,171 ,249
VCF2 ,222 ,846 ,327 ,288
VCT4 ,372 ,813 ,346 ,264
VCH5 ,372 ,813 ,346 ,264
VCL1 ,372 ,813 ,346 ,264
VCH3 ,233 ,425 ,743 ,274
VCC4 ,555 ,329 ,700 ,291
VCC2 ,555 ,329 ,700 ,291
VCH2 ,555 ,329 ,700 ,291
VCT2 ,555 ,329 ,700 ,291
VCR4 ,555 ,329 ,700 ,291
VCL2 ,333 ,377 ,581 ,540
VCH4 ,157 ,325 ,241 ,887
VCT3 ,157 ,325 ,241 ,887
VCC5 ,157 ,325 ,241 ,887
Método de extracción: análisis de componentes principales.
Método de rotación: Varimax con normalización Kaiser.
a. La rotación ha convergido en 6 iteraciones.
Interpretación:
Componente
1 2
EST8 ,938 ,246
EST1 ,935 ,234
EST6 ,864 ,455
EST5 ,674 ,331
EST4 ,625 ,554
EST2 ,225 ,919
EST7 ,296 ,912
EST3 ,505 ,799
Método de extracción: análisis de
componentes principales.
Método de rotación: Varimax con
normalización Kaiser.
a. La rotación ha convergido en 3
iteraciones.
Interpretación:
Componente
1
RM1 ,965
RM3 ,965
RM5 ,880
RM2 ,827
RM4 ,730
Método de extracción: análisis de
componentes principales.
a. 1 componentes extraídos.