ANALISIS MULTIVARIANTE, Ejercicios de Ciencia de la administración

¡Descarga ANALISIS MULTIVARIANTE y más Ejercicios en PDF de Ciencia de la administración solo en Docsity! ANALISIS FACTORIAL DE COMPONENTES PRINCIPALES 1. Matriz de correlaciones (pag. 147) Si analizamos nuestra matriz observamos que los coeficientes de correlación son variados: hay coeficientes altos, medios y bajos pero esta circunstancia no debe precipitarnos en nuestras conclusiones porque disponemos de una serie de indicadores de correlación que nos pueden ayudar a tomar decisiones mas fundamentadas. Hay que considerar, sobre todo cuando trabajamos con muestras grandes que el el que dos variables no estén muy altamente relacionadas no quiere decir que no puedan tener una relación significativa, aunque esta sea media o baja. A continuación así analizaremos los cinco indicadores de correlación que nos proporciona la salida para ver si, en conjunto, las variables seleccionadas son aptas para el análisis, y si individualmente merece la pena contar con todas y cada una de ellas. Disponemos del valor del Determinante de la Matriz de correlaciones, que es 1.033E-21, un valor, que desde liego es muy próximo a 0. En consecuencia, parece que el lo suficientemente bajo como para asegurar que hay suficiente correlación entre las variables de manera que puedan formar factores. Otros indicadores serán mas precisos. El valor de la Medida de Adecuación de la Muestra (KMO) es .572 que, según los consejos de Káiser, Meyer y Olkin, podemos considerar que se trata de un valor bajo. La interpretación de este índice nos permite mayor precisión y nos indica que, aun no siendo de un valor muy alto, es lo suficiente para poder afirmar que entre las variables seleccionadas hay suficiente correlación como para que posteriormente puedan formar factores. La significación de la Prueba de Esfericidad de Bartlett es .000, luego podemos rechazar la hipótesis nula y afirmar en consecuencia que entre las variables hay suficiente correlación. 2. Matrices anti-imagen (PAG.157) En esta tabla tenemos información de los dos últimos indicadores, en la parte inferior de la tabla Matrices Anti-imagen. En esa parte de la tabla, fuera de la diagonal (en la mitad superior y en la mitad inferior) tenemos información de los Coeficientes de Correlación Anti-imagen que nos proporcionan información pormenorizada de cada una de las variables y de su posible interrelación con otras variables. Como podemos ver, hay muchos coeficientes altos, otros intermedios y algunos coeficientes muy bajos, próximos a 0. En principio, da la impresión de que estos coeficientes, no son todo lo bajos que deberían ser aunque hay que pensar que partíamos de coeficientes de correlación simple muy altos. En todo caso, la mayor parte de las variables presentan coeficientes de correlación anti-imagen muy bajos con alguna otra variable, lo que indica que podrá agruparse con ellas y formar factores. Finalmente tenemos información de MSA de cada variable en la diagonal de la tabla mencionada y observamos que hay 3 valores altos (890, 744 y 715), la mayoría superan el limite del .50. Tenemos dos variables que no llegan a esa cifra (P1B Calidad de Productos .463, y P1L Trato Personal .440). en principio se trata de dos variables que no tendrían suficiente relación con las demás variables como para que posteriormente formen con ellas factores con interpretación sustantiva. Son dos variables, en principio, prescindibles. Sin embargo, después de hacer pruebas y repetir el análisis sin ellas dos, sin una de ellas y sin la otra, hemos llegado a la conclusión de el análisis factorial, en su conjunto, tiene mas interpretación sustantiva y es mas comprensible con ellas en el análisis. Por eso, y porque sus valores de MSA son muy próximos al limite de .50, hemos decidido seguir adelante con estas variables en el análisis factorial de componentes principales. En conclusión, con la información analizada en esta primera fase podemos concluir que en conjunto las variables tienen suficiente relación como para que se agrupen en factores e individualmente todas y cada una de ellas (con la excepción de las dos variables mencionadas) tiene suficiente correlación con otras como para justificar su presencia en el análisis. 3. Matriz de los componentes Rotados (PAG. 181) En la Matriz de los Componentes Rotados a partir de la cual podemos definir ya los factores, observando que variables se relacionan mas con cada factor o, dicho de otra forma, cada factor de que variables esta compuesto. • FACTOR I Compuesto en su parte positiva de las variables Capacidad- Limpieza (.851), Poder Desengrasante (.830), Tratamiento Manos (.669). Así tenemos que descubrir lo que tienen en común las variables de la parte positiva para definir su contenido. Lo definiremos como EFICACIA. • FACTOR II Compuesto en su parte positiva de las variables Forma Envase (.873), Atractivo Envase (.779), Color Detergente (.570). Así tenemos que descubrir lo que tienen en común las variables de la parte positiva para definir su contenido. Lo definiremos como ESTETICA. • FACTOR III Compuesto en su parte positiva de las variables Espuma (.808), Perfume (.711), Tacto Viscosidad (.621). así tenemos que descubrir lo que tienen en común las variables de la parte positiva para definir su contenido. Lo definiremos como CONSISTENCIA. • FACTOR IV Compuesto en su parte positiva de las variables Precio (.915) Duración (.592). así tenemos que descubrir lo que tienen en común las variables de la parte positiva para definir su contenido. Lo definiremos como ECONOMICO. • FACTOR V Compuesto en su parte positiva de las variables Ecológico (.773), Tamaño Envase (558). En la parte negativa del factor se encuentra la variable Marca Conocida (-585). Así tenemos que descubrir que tienen en común las variables de la parte positiva, que tienen en común de la parte negativa y en que se oponen las que están a un lado y a otro del factor para