ANLISIS FACTORIAL

Cada factor significa una dimensin que debe estar asociados a la teora.
Data DOMES.SAV
Pasos

1. Men

2. Seleccionar las items a analizar.

3. DESCRIPTIVOS:

4. EXTRACCIN:

5. ROTACIN:
 6. OPCIONES:

Criterios:

Para que el anlisis factorial proceda: Sig. De KMO<=0.05

Los componentes a considerar (factores) sern aquellos cuyo TOTAL >1. Para este ejercicio, los
3 primeros componentes cumplen dicho requisito. Adicionalmente se debe tomar en cuenta que
el % acumulado de la varianza >=50% (En este caso 64.623%)
 Adicionalmente se puede contrastar con el grafico de sedimentacin. Los 3 primeros
componentes son mayores a 1. Despus de ello, prcticamente la curva se estabiliza. (Circulo
amarillo)

Para saber que tems conforman cada factor, se deber analiza la MATRIZ DE COMPONENTES
ROTADOS. Se elige el valor ms alto en cada fila relacionndolo con cada columna o factor
(tambin llamado dimensin).
 Para el presente ejemplo, queda conformado de la siguiente manera:

Componente
1 2 3
provo ,779
protect ,861
mental ,830
caused ,483
save ,883
insane ,726
passion ,713
defend ,813
stable ,787

Aplicar el Alfa de Cronbach con los tems de cada factor para medir la consistencia interna.
Para el presente ejemplo:

Factor 1 (Se le llamar: PROTECCIN para fines acadmicos a esta dimensin)

Estadsticas de fiabilidad
Alfa de N de elementos
Cronbach
0,831 Estadsticas3 de total de elemento
Varianza de Alfa de
Media de escala escala si el Correlacin total Cronbach si el
si el elemento se elemento se ha de elementos elemento se ha
ha suprimido suprimido corregida suprimido
protect 10,29 13,356 ,666 ,791
save 10,00 12,995 ,747 ,712
defend 10,81 13,113 ,662 ,796
Factor 2 (Se le llamar: SALUD para fines acadmicos a esta dimensin)

Estadsticas de fiabilidad
Alfa de
Cronbach N de elementos
,702 3

Estadsticas de total de elemento

Varianza de Alfa de
Media de escala escala si el Correlacin total Cronbach si el
si el elemento se elemento se ha de elementos elemento se ha
ha suprimido suprimido corregida suprimido
mental 7,66 10,865 ,550 ,571
insane 7,39 11,690 ,509 ,624
stable 6,79 11,638 ,499 ,636

Factor 3 (Se le llamar: PROVEER para fines acadmicos a esta dimensin)

Estadsticas de fiabilidad
Alfa de
Cronbach N de elementos
,450 3

Estadsticas de total de elemento

 Varianza de Alfa de
Media de escala escala si el Correlacin total Cronbach si el
si el elemento elemento se ha de elementos elemento se ha
se ha suprimido suprimido corregida suprimido
provo 11,01 7,623 ,365 ,172
caused 10,40 10,968 ,229 ,430
passion 12,08 8,424 ,246 ,416

Se procede a construir el modelo de regresin Lineal para conocer si los factores (dimensiones)
aportan a la explicacin del modelo.

MODELO CONCEPTUAL (FRAMEWORK)

PROTECCIN

(X1)

SALUD RESPONS
(X2) (Y)
222

PROVEER

(X3)

Para ello, crearemos 3 campos ms en SPSS (Cada uno de estos campos o nuevas variables se
calcular promediando los tems de cada factor) Utilizaremos los mismos nombres:
PROTECCION, SALUD y PROVEER.
Cada nuevo campos a crear, se realizar con la opcin: CALCULAR VARIABLES, donde:
PROTECCION= MEAN (protec, save, defend)
SALUD= MEAN (mental, insove, stable)
PROVEER = MEAN (provo, caused, passion)
 Luego empezaremos a calcular el modelo como regresin Lineal.

Ingresar las variables independientes y la dependiente.

Resultados.
 R cuadrado para ciencias sociales se puede aceptar valores a partir de 0.3
Sigma de ANOVA por debajo de 0.05 indica que el modelo como un todo, es vlido.
Los valores sigmas de la matriz de COEFICIENTES si son menores a 0.05 se logra afirmar
la(s) hiptesis.
Para nuestro ejemplo:
H1: PROTERCCION influye sobre RESPONS ------------- Afirmativo
H2: SALUD influye sobre RESPONS ------------- Afirmativo
H3: PROVEER: influye sobre RESPONS ------------- Afirmativo
Multicolinealidad y Valores atpicos.
Multicolinealidad.

Para descartar si dos variables independientes explican lo mismo.

Coeficientes:
Tolerancia <0.1: Hay multicolinealidad.
VIF > 10: Hay multicolinealidad.

Nota: Si existiese colinealidad, se debe realizar la RL de cada variable por separado y se elige la
que tiene mayor R ajustado.
Valores atpicos.
 Criterios
De Cook <=1 No hay atpicos
Mahanovich:
Numero de Variables Independientes Valor (No hay atpicos)
2 <=13.82
3 <=16.27
4 <=18.74
5 <=20.52

WORKSHOP
Exercise.sav

SELF
STEEM
Modelo Conceptual propuesto.

DESIRE

DIET EXCERSISE

ACEPTANCE

BODY
STEEM
 Para contrastar todas estas 13 hiptesis habremos de plantear tantos modelos de regresin
lineal como variables dependientes tenga el modelo conceptual.
1. DESIRE es dependiente para: SELF STEEM , BODY STEEM Y ACEPTANCE
2. ACEPTANCE es dependiente para: SELF STEEM y BODY STEEM.
3. DIET es dependiente para: DESIRE, ACEPTANCE , SELF STEEM y BODY STEEM
4. EXCERSICE es dependiente para : DESIRE, DIET , SELF STEEM y BODY STEEM
Por lo que para poder contrastar debidamente las 13 hiptesis, debemos hacer 4 modelos de RL.

Modelo 1 de RL
Body Steem NO afecta sobre Desire.

SELF
STEEM

t= 3,962
DESIRE
(Y)
beta= ,221

beta=
ACEPTANCE ,211
t= 4,362

BODY
STEEM
 beta= ,86
t= 1,608

Modelo 2 de RL
Body Steem NO afecta sobre ACEPTANCE

SELF
STEEM

t= 6,237

Beta=0,338

ACEPTANCE
(Y)

t= 0.482

BODY Beta=0,026
STEEM

Modelo 3 de RL:
Self Steem NO afecta sobre DIET.
Body Steem NO afecta sobre DIET.
 t= -1,6
SELF
STEEM
beta= - 0,095

DESIRE beta= 0,165

t= 3,205
DIET
(Y)
beta= 0,211
ACEPTANCE
t= 4,094

t= 0,071
Modelo 4 de RL
BODY
Self STEEM
steem NO influye cobre EXERCISE
beta= 1,266
DESIRE NO influye sobre EXERCISE

beta= 0,058

SELF
STEEM t = 1,194

beta= - 0,018

DESIRE
t = - 0,422

beta= 0,429
EXCERSISE
DIET
(Y)
t = 10,49

BODY beta= 0,338

STEEM

t = 7,172