GUIA DE EXAMEN 2NDO PARCIAL
Nombre del estudiante:
INSTRUCCIONES: A continuación, se presentan nueve términos que deberás de definir, colocar los rangos de valores y su interpretación, así como su referencia bibliográfica. Para la entrega del
documento deberás anexar el artículo (únicamente se aceptan artículos o libros) en PDF donde venga subrayado la información que obtuviste del artículo.
Fecha límite de entrega el día Martes 6 de mayo a las 12:00 pm a través de Teams. Se trabajará de manera individual.
1
Término
KMO: El índice
de Kaiser-Meyer-Olkin
EJEMPLO
Definición
- Indica que la
cantidad de sujetos es
pertinente y se espera
un buen ajuste
factorial.
¿Cuáles son sus valores? ¿Qué significan sus valores?
- Si las correlaciones son suficientemente grandes, la matriz se
considera adecuada para su factorización porque ofrecerá resultados
estables, replicables en otras muestras diferentes, independientemente
del tamaño de la muestra, o del número de factores, o del número de
ítems.
- Esta medida de
adecuación indica
cuán grande es la
correlación entre las
variables medidas.
- Kaiser consideraba una matriz con valores para KMO por debajo de
.50 inadecuada para el AF; mediocre si estos valores oscilaban entre.60
y .69; y satisfactoria solo valores de .80 en adelante.
- Toma valores entre 0
y1
2
Esfericidad de Bartlet
La prueba de
esfericidad de Bartlett
permite evaluar la
hipótesis nula que
afirma que las
variables no están
correlacionadas, para
lo cual compara la
matriz de
intercorrelación de los
datos recabados con
una matriz de
identidad en la que
todos los términos de
la diagonal son
unidades y los demás
términos son ceros.
(Everitt y Wykes,
2001).
Referencia bibliográfica
Lloret-Segura, S., Ferreres-Traver, A., Hernández-Baeza, A., TomasMarco, I. (2014). El análisis factorial exploratorio de los ítems:
una guía práctica, revisada y actualizada. Anales de
Psicología, 30(3), pp. 1151-1169.
http://dx.doi.org/10.6018/analesps.30.3.199361
- En cambio, otros autores consideran más adecuado incrementar el
listón a .70 e incluso .80 (junto por ejemplo
Costello y Osborne, 2005; Ferrando y Anguiano-Carrasco,
2010).
nivel p< .05, se rechaza la hipótesis nula y se considera que las
variables están los suficientemente intercorrelacionadas para realizar el
AFE.
Por otro lado, si el valor p es superior al nivel de significación, no se
puede rechazar la hipótesis nula y se concluye que las variables
pueden ser esféricas.
Pérez, E. R., & Medrano, L. A. (2010). Análisis factorial exploratorio:
bases conceptuales y metodológicas. Revista Argentina de Ciencias del
Comportamiento (RACC), 2(1), 58-66.
3
Alpha de Cronbach
4
Omega de McDonald
5
Varianza acumulada
El alfa de Cronbach
es una estimación de
consistencia interna
(Cronbach, 1951), que
indica la magnitud de
la
covarianza de los
ítems (Morales, 1988)
y en
qué medida el
constructo está
presente en los
ítems (Oviedo &
Campo-Arias, 2005).
Trabaja con las cargas
factoriales (Gerbing &
Anderson, 1988),
que son la suma
ponderada de las
variables
estandarizadas,
transformación que
hace más
estable los cálculos
(Timmerman, 2005) y
refleja el verdadero
nivel de fiabilidad. En
segundo lugar, no
depende del número
de ítems
Es un valor de gran
utilidad a la hora de
decidir el número de
componentes
principales a utilizar
en los análisis
posteriores. Si se
calculan todas las
componentes
principales de un set
de datos, entonces,
aunque transformada,
se está almacenando
toda la información
presente en los datos
originales. El
α es el símbolo del alfa deCronbach; K: el número de ítems; ∑S2i suma
de las varianzas de cada ítem; y S 2T la varianza total.
Para considerar un valor aceptable de confiabilidad, Este debe
encontrarse entre .70 y .90 y se mide de 0 a 1.
Ventura-León, J. L., & Caycho-Rodríguez, T. (2017). El coeficiente
Omega: un método alternativo para la estimación de la confiabilidad.
Revista Latinoamericana de Ciencias Sociales, Niñez y Juventud, 15(1),
625-627.
ω: es el símbolo de coeficiente omega; ʎi, es la carga factorial
estandarizada de i.
Para considerar un valor aceptable de confiabilidad mediante el
coeficiente omega,
éstos deben encontrarse entre .70 y .90 y se mide de 0 a 1.
Ventura-León, J. L., & Caycho-Rodríguez, T. (2017). El coeficiente
Omega: un método alternativo para la estimación de la confiabilidad.
Revista Latinoamericana de Ciencias Sociales, Niñez y Juventud, 15(1),
625-627.
Su valor es de 0 a 100 o 0 a 1.
≥ 50. recomendable
≥ 60. ideal
Amat Rodrigo, J. (2017, junio). Análisis de Componentes Principales
(Principal Component Analysis, PCA) y t-SNE. cienciadedatos.net.
https://cienciadedatos.net/documentos/35_principal_component_analysis
6
Valor propio o eigen
7
Comunalidad
8
Peso factorial
sumatorio de la
proporción de
varianza explicada
acumulada de todas
las componentes es
siempre 1.
El valor propio es el
factor de escala de la
transformación.
Es un método
estadístico utilizado
para describir la
variabilidad entre
variables observadas
y correlacionadas en
términos de un
número
potencialmente menor
de variables no
observadas llamadas
factores.
Esencialmente, la
comunalidad
representa la
proporción de la
varianza de cada
variable que puede
explicarse por los
factores comunes.
Son coeficientes de
regresión
estandarizados que
miden el efecto del
factor sobre la variable
observada. Este
recurso ofrece una
interpretación práctica
de las cargas
factoriales, explicando
su significado en
términos de
los valores propios pueden ser cualquier número, ya sea un entero o un
número entero, como 1 y 2, o un racional (fracción) como ½ y 0,75.
Pueden ser lo que se llama números irracionales, como el valor de π.
Los valores propios pueden ser incluso números complejos, como a +
bi, donde "a" y "b" son números reales por separado e "i" es una unidad
imaginaria, como la raíz cuadrada de -1.
Las comunalidades altas indican relaciones fuertes con los factores
comunes, mientras que las comunalidades bajas sugieren singularidad
o error.
- Ejemplo: una comunalidad de 0,8 para la variable X sugiere una fuerte
relación con los factores comunes, mientras que una comunalidad de
0,2 indica singularidad o error.
Salahuddin, I. (2024, 1 octubre). Vectores y valores propios: ideas clave
para la ciencia de datos. DATACAMP. Recuperado 5 de mayo de 2025,
de https://www.datacamp.com/es/tutorial/eigenvectors-eigenvalues
Comunalidad Varianza compartida El concepto de comunalidad en el
analisis factorial - FasterCapital. (2025, 3 abril). FasterCapital.
Recuperado 6 de mayo de 2025, de
https://fastercapital.com/es/contenido/Comunalidad--Varianzacompartida--El-concepto-de-comunalidad-en-el-analisis-factorial.html#Qu--es-la-comunidad-
EL ANÁLISIS FACTORIAL, C. T. D. (2010). Sección Monográfica.
Papeles del Psicólogo, 31(1), 18-33.
9
Cantidad de
participantes
suficientes para una
muestra
dependencia entre
ítems y factores.
El cálculo del tamaño
de la muestra es una
función matemática
que expresa la
relación entre las
variables, cantidad de
participantes y poder
estadístico.
Cálculo del tamaño de la muestra en investigación en educación médica.
(s. f.). https://www.elsevier.es/es-revista-investigacion-educacionmedica-343-pdf-S2007505713727157
Nota: Podrás basarte en los artículos que la docente te dio en la asignatura, asi como buscar otras referencias pero únicamente artículos y libros académicos.
0
