UNIVERSIDAD DE LA COSTA

RUBRICA I ANALISIS FACTORIAL

PRESENTADO POR:

Eilyn Borja, yuliana

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?

Se requieren seis factores para explicar la mayor parte de la varianza en

los datos, ya que estos valores están todos por encima de 1 y entre ellos
representan el 68,25% de los datos acumulados.

2. ¿Qué variables están más fuertemente asociadas entre sí?

✓ Longitud en cm y resistencia en psi: -0.205

✓ Longitud en centímetros y tiempo de ciclo en minutos: -0.211
✓ Longitud (cm) y satisfacción del cliente: -0,455
✓ Latitud y tiempo de ciclo (minutos): -0.278
✓ Persistencia de horas y desperdicio de materiales: -0.290
✓ Tolerancia dimensional y capacidad de producción: 0,403
✓ Costos de producción y desperdicio de material: 0.290
✓ Tiempo de ciclo y huella de CO2 en minutos: -0,557
✓ Tiempo de ciclo (minutos) y satisfacción del cliente: 0,302
✓ Residuos materiales y huella de CO2: 0,207
✓ Residuos materiales y eficiencia energética: -0,242

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

4. ¿Existen variables que no se correlacionan con ningún factor identificado?

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

5. ¿Qué porcentaje de la varianza total se explica por cada uno de los

factores identificados?

Para el componente 1 se tiene un valor de

15.9% Para el componente 2 se tiene un valor
de 13.1% Para el componente 3 se tiene un
valor de 12.3% Para el componente 4 se tiene
un valor de 9.5% Para el componente 5 se
tiene un valor de 8.9% Para el componente 6
se tiene un valor de 8.2%
6. ¿Existen correlaciones significativas entre los factores identificados?

Las correlaciones entre los factores identificados se examinaron utilizando

las correlaciones entre los componentes principales extraídos. Por los cuales,
se deduce que, si hay correlaciones significativas entre los componentes
principales, esto indica una relación entre los factores y las dimensiones
subyacentes capturadas por esos factores.

7. ¿Existen variables que contribuyen significativamente a más de un factor?

Si una variable contribuye significativamente a más de un factor, sus

cargas factoriales en ambos factores serán altas. Esto indica que la
variable está asociada con múltiples factores identificados.

8. ¿Qué interpretación se puede dar a cada uno de los factores

identificados en términos de su relación con las variables originales?

Factor 1 (longitud en cm, satisfacción del cliente y resistencia en psi):

calidad del producto
Factor 2 (toneladas de huella de CO2 y tiempo de ciclo (minutos)):
impacto ambiental del proceso u operación.
Factor 3 (desperdicio material y durabilidad de horas): eficiencia en el uso
de recursos
Factor 4 (rendimiento y tolerancias): eficiencia y precisión del proceso de
fabricación
Factor 5 (costes de producción y eficiencia energética): gestión eficiente
de los recursos
Factor 6 (ancho y alto en centímetros): Dimensiones
9. ¿Qué implicaciones prácticas tiene la identificación de los factores en el
contexto del problema en cuestión?

La identificación de factores es de gran importancia práctica en los procesos

industriales porque ayuda a comprender las relaciones subyacentes entre las
variables y proporciona información sobre qué variables son más relevantes
para esos procesos. Cabe señalar que la identificación de factores puede
ayudar a mejorar la eficiencia, la calidad y la satisfacción del cliente, así
como identificar áreas de mejora y optimización.

10. ¿Interpreto el KMO y la prueba de esfericidad de Bartle?

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.