Analisis Factorial
Analisis Factorial
Analisis Factorial
PRESENTADO POR:
Vásquez
PRESENTADO A:
ALONSO BARRERA
MATERIA:
ESTADISTICA II
Realizar un Análisis factorial con los datos y responder las siguientes preguntas
1. ¿Cuántos factores son necesarios para explicar la mayoría de la varianza
en los datos?
3. ¿Qué variables están más fuertemente asociadas con cada uno de los
factores identificados?
Para identificar las variables que estaban fuertemente asociadas con cada
factor en este estudio, se determinaron las cargas factoriales en SPSS.
Las variables con altas cargas factoriales (positivas o negativas) están más
fuertemente relacionadas con ese factor. Factor 1 (longitud en cm, satisfacción
del cliente y resistencia en psi): satisfacción del cliente -0,455 y resistencia -
0,205
Factor 2 (huellas CO2 toneladas y el tiempo de ciclos en minutos): -0,557
Factor 3 (desperdicio de materiales y durabilidad en horas): -0,290 Factor 4 (la
capacidad de producción y tolerancia): 0,403
Factor 5 (costo de producción y la eficiencia energética): 0.145
Factor 6 (ancho y altura en cm): 0.145
Si una variable tiene una carga factorial cercana a cero en todos los
factores identificados, se puede decir que no está correlacionada
significativamente con ninguno de ellos, por ejemplo:
Tolerancia dimensiones y longitud: 0,006
Tolerancia dimensiones y tiempo de ciclo: -0,009
Tolerancia dimensiones y satisfacción del cliente: 0,008
Durabilidad en hora y huella CO2: 0.009
La efectividad en hora y ancho: 0.008
Ancho y desperdicio de material: -0.009
Resistencia y huella CO2: 0.009
Durabilidad en hora y la eficiencia energética: -0,006
La prueba KMO dando 0.389 significa que no se ajusta a los datos porque es
un valor alejado de 1. La prueba de esfericidad de Bartlett da 0.037 lo que
significa que se rechaza la hipótesis nula y se acepta la hipótesis alternativa
porque la teoría explica significativamente un valor ( valor p) inferior a un
nivel de significación predeterminado (p. ej., 0,05) para rechazar la hipótesis
nula. Esto indicaría que las variables están correlacionadas y que el análisis
factorial es apropiado.