ANLISIS

FACTORIAL
MG.ING.ESTAD.VILLENA ZAPATA, LUIGI
OBJETIVOS
Comprender cundo se debe realizar un
anlisis factorial y un anlisis de componentes
principales.
Conocer los distintos mtodos para la
extraccin de los factores y componentes.
Determinar el nmero de factores o
componentes que deben extraerse.
Aprender a interpretar el significado de un
factor o componentes.
Validar el modelo resultante del anlisis
factorial.
 INTRODUCCIN
El trmino anlisis factorial es un nombre
genrico con el que se etiquetan un grupo de
tcnicas multivariantes para el procesamiento
de datos. Su objetivo es obtener un conjunto
de variables no observadas que den una
explicacin ms clara del problema que se
est estudiando, es decir, que expliquen la
mayor variabilidad posible de un conjunto de
variables cuantitativas con la menor prdida
de informacin.
 INTRODUCCIN
Por ejemplo, el director comercial de una empresa
tiene informacin sobre diversas variables
relacionadas con la satisfaccin de sus clientes y
est interesado en saber si esas variables se pueden
agrupar de alguna manera, de forma que existan
grupos de variables con un significado comn y as
poder reducir el nmero de caractersticas
necesarias para explicar la satisfaccin de sus
clientes. O bien, en qu se fija una persona
cuando va a comprar una vivienda? qu factores
distinguen unas marcas de carros de otras? Cules
son las caractersticas de un vendedor?
 INTRODUCCIN
Se puede realizar el anlisis factorial con
variables discretas u ordinales, lo habitual
ser que las variables sean cuantitativas
continuas.
 ANLISIS FACTORIAL
El anlisis factorial es una tcnica de
reduccin. Dado un conjunto grande de
variables cuantitativas, las representaremos
por un espacio de pequea dimensin
llamado espacio factorial
 ANLISIS FACTORIAL
El objetivo del anlisis factorial es reducir la
dimensionalidad de las variables, es decir,
simplificar la estructura de los datos, para
poder explicar, en pocos factores, la mayor
parte de la informacin que contienen las
variables.
 EXAMEN DE LA MATRIZ DE
CORRELACIONES
Ya hemos dicho, en el apartado anterior, que el
primer paso consiste en calcular la matriz de
correlacin entre las variables que entran en el
anlisis. Esto se realiza a partir de la matriz de datos
originales.
Una vez que se dispone de la salida de esta matriz,
conviene examinarla con detalle. Uno de los
requisitos que se deben cumplir para realizar un
Anlisis factorial es que las correlaciones sean altas.
Adems de la matriz, se nos proporciona el grado
de significacin de cada una de estas
correlaciones. La p(significacin) debe ser igual o
prximo a cero.
 EXAMEN DE LA MATRIZ DE
CORRELACIONES
A continuacin, veremos algunos
indicadores del grado de asociacin entre
las variables que tambin nos ofrece. Todos
ellos cumplen la misma funcin y suelen
llegar a la misma conclusin.
Vamos a ver algunas formas de estudiar la
matriz de correlacin:
 EL DETERMINANTE DE LA
MATRIZ DE CORRELACIN
El determinante de la matriz de correlacin
es un indicador del grado de las
intercorrelaciones. Un determinante muy
bajo indica que las correlaciones son muy
altas.
 TEST DE ESFERICIDAD DE
BARLETT
El test de esfericidad de Barlett se utiliza
para someter a comprobacin la hiptesis
de que la matriz de correlaciones es la
matriz identidad.
Si una matriz de correlaciones es la matriz
identidad significa que las
intercorrelaciones entre las variables son
cero. En la diagonal principal hay unos,
puesto que la correlacin de una variable
consigo misma es simpre 1.
 TEST DE ESFERICIDAD DE BARLETT
El test de esfericidad de Barlett consiste en
una estimacin de ji-cuadrado a partir de
una transformacin del determinante de la
matriz de correlaciones. Si se considera que
R 1 R I , la hiptesis nula se
puede poner de la siguiente forma:
1 0 0 ... 0

0 1 0 ... 0
H0 : R 0 0 1 ... 0 I R 1

... ... ... ... ...
0 0 ... 1
0

Si se confirma H0 significa que las variables no estn

correladas. Por tanto, la nube de puntos en el espacio
formara una esfera unidad.
 TEST DE ESFERICIDAD DE BARLETT
La prueba de esfericidad de Bartlett contrasta
si la matriz de correlaciones es una matriz
identidad, que indicar que el modelo factorial
es inadecuado. Esta prueba se fundamente en
que el determinante de una matriz es un ndice
de la varianza generalizada de la misma. Un
determinante prximo a cero indica que una o
ms variables se podran expresar como una
combinacin lineal de otras variables. Se ha
demostrado que estos determinantes siguen
una distribucin ji-cuadrado.
La expresin matemtica de la prueba de
Barlett es:
1
X N 1
2
ln R
62n 5
 TEST DE ESFERICIDAD DE BARLETT
Donde, como siempre, N es el nmero de
individuos de la muestra y n el de variables que
entran a formar parte de la matriz de
correlaciones. Los grados de libertad vienen
dados por la expresin:
1
g

2 n2 n
Si con el test de esfericidad se obtienen valores
altos de X2, se rechaza la hiptesis nula con un
cierto grado de significacin. En caso de no
rechazarse la hiptesis nula, significara que las
variables no estn correladas. En este caso
debera reconsiderarse la aplicacin de un
anlisis factorial.
Para aplicar esta prueba se requiere que los
datos procedan de una poblacin que sigue
una distribucin normal multivariante.
EL NDICE KMO DE KAISER-MEYER-OKLIN
La medida de la adecuacin de la muestra KMO,
de Kaiser-Meyer-Oklin, es un ndice para comparar
las magnitudes de los coeficientes de correlacin
observados con las magnitudes de los coeficientes
de correlacin parcial. Contrasta si las correlaciones
parciales entre las variables son pequeas.
Se calcula a travs de la frmula:

r i j i j
2
ij

KMO
r p
i j
2
ij
i j
2
ij

Donde rij, es el coeficiente de correlacin entre las

variables i y j, y pij es el coeficiente de correlacin
parcial entre las variables i y j.
EL NDICE KMO DE KAISER-MEYER-OKLIN
Si suma de los coeficientes de correlacin parcial al
cuadrado entre todos los pares de variables es
pequea, comparada con la suma de los
coeficientes de correlacin al cuadrado, el ndice
KMO se aproximar a 1. Valores bajos del ndice
KMO desaconsejan la prctica del Anlisis factorial,
puesto que las correlaciones entre los pares de
variables no pueden ser explicadas por las otras
variables. Kaiser da un baremo de evaluacin de
KMO:
0.90 KMO 1 Muy bueno
0.80 KMO 0.90 Satisfactorio
0.70 KMO 0.80 Mediano
0.60 KMO 0.70 Mediocre
0.50 KMO 0.60 Bajo
KMO 0.50 Inaceptable
 CORRELACIN ANTI-IMAGEN
La matriz de correlaciones anti-imagen contiene los
negativos de los coeficientes de correlacin parcial
y la matriz de covarianza anti-imagen contiene los
negativos de las covarianza parciales. En un buen
modelo factorial la mayora de los elementos no
diagonales deben ser pequeos. En la diagonal de
la matriz de correlaciones anti-imagen se muestra la
medida de adecuacin muestral para esta variable.
Si en una matriz de correlaciones anti-imagen hay
un elevado nmero de coeficientes altos, debera
reconsiderarse la aplicacin de un anlisis factorial.
Se nos indica cuntos elementos hay fuera de la
diagonal con valores superiores a 0.09 y tanto por
ciento que esto representa.
 MEDIDA DE ADECUACIN DE LA
MUESTRA (MSA)
Despus de la anti-imagen de la matriz de
correlaciones aparece la medida de la adecuacin
de la muestra. Una medida de la adecuacin de la
muestra se puede calcular para cada variable de
forma similar al KMO. En esta prueba slo se incluyen
los coeficientes correspondientes a la variable que
desea comprobar.
La expresin para calcularlo es la siguiente:

ij
r 2

i j
MSA
r p
i j
2
ij
i j
2
ij

Si MSA es bajo, se desaconseja un anlisis factorial.

Si los MSA bajos se dan solamente en unas pocas
variables, se podra plantear la posibilidad de
eliminarlas.
 CORRELACIN MLTIPLE
El coeficiente de correlacin mltiple entre cada
una de las variables y todas las dems es un buen
indicador del grado de correlacin; es decir, la
asociacin lineal entra las variables. Las variables
que representen un coeficiente de correlacin
mltiple bajo se podran eliminar del anlisis.
 EJERCICIO N01
El director de una escuela de Negocios est
analizando el programa del Mster de Direccin de
Marketing, dado el xito obtenido en las tres ltimas
ediciones y las buenas perspectivas que tiene para
el futuro. Para planificar la campaa de publicidad
de la prxima edicin, el director desea conocer las
principales motivaciones de los estudiantes a la hora
de escoger dicho mster. Para ello tiene 100
cuestionarios completos que contienen 10 criterios
valorados en una escala de tipo Likert 1-10 (1 para
lo menos importante y 10 para lo ms importante)
 EJERCICIO N01
Los criterios se expresan mediante una clave y son:
Temario: adecuacin de los temas, tanto tericos
como prcticos.
Duracin: tiempo de duracin del curso.
Profesorado: calidad y atencin por parte del
profesorado.
Precio: coste del curso
Becas: ayudas para la realizacin de los estudios.
Prestigio: prestigio de la Escuela de Negocios.
Empleabilidad: posibilidad de encontrar un empleo.
Seleccin: exigencias en las pruebas de seleccin
Localizacin: adecuacin de la localizacin
geogrfica del centro.
Transporte: facilidad y adecuacin de los medios de
trasporte.
 EJERCICIO N01
El director considera que estos 10 criterios son
muchos y desea reducir su nmero con la condicin
de perder poca informacin y poder tomar las
decisiones estratgicas ms adecuadas. Se puede
reducir sin perder mucha informacin segn quiere
el director de la Escuela de Negocios?