Escolar Documentos
Profissional Documentos
Cultura Documentos
El Análisis Factorial supone que existe un factor común subyacente a todas las variables,
el Análisis de Componentes Principales no hace tal asunción.
Ante la variedad de métodos que existen dentro del Análisis Factorial. Kim y Mueller
(1978) recomiendan utilizar el de máxima verosimilitud o el de mínimos cuadrados.
y 1.0 .9
x .9 1.0
Factor Matrix:
FACTOR 1 FACTOR 2
Y .97468 .22361
X .97468 -.22361
Final Statistics:
"Se observa que el primer componente principal es y+x; si yo conozco el valor exacto de
esta suma, podré explicar el 95% de la varianza en cada x e y. También se puede decir, que
parece que y-x está cerca de ser una constante".
Factor Matrix:
FACTOR 1
Y .94831
X .94831
Final Statistics:
X .89930 *
Lo cual significa a nivel práctico, desde el punto de vista de este tipo de modelo, que
necesitamos más variables que las que realmente observamos para ajustar los resultados al
modelo propuesto.
Por último, vamos a ver un modelo propuesto desde el punto de vista de la regresión
simple que da lugar a los resultados siguientes:
Multiple R .90000
R Square .81000
Adjusted R Square .80806
"Verificamos que conocido el valor de x, podemos esperar que el valor de y puede ser
deducido de la ecuación matemática <0.9*x>, y el resultado de esta predicción debería
explicar el 81% de la varianza en y".