tema 2

¿ Qué es el autovalor de una solución factorial?. El valor de correlación parcial de una variable consigo misma, de ahí su nombre. La cantidad de varianza de una variable que es recogida o explicada por el conjunto de factores. La carga o peso de un factor en la estimación de la comunidad de una variable. La cantidad de varianza explicada por un factor. La correlación existente entre un factor y una variable.

Indica cuál de las siguientes afirmaciones es falsa en relación con los supuestos del método factorial clásico de análisis factorial: Los factores comunes están incorrelados entre sí. Cuando se trabaja con valores tipificados, la varianza de los factores es 1 y su media 0. Los factores únicos están incorrelados entre sí. Su media es 0 y su varianza puede ser diferente. Los factores comunes pueden estar correlacionados con los factores únicos. La matriz de varianzas-covarianzas coincide con la de correlaciones cuando las variables están tipificadas.

¿Cuál de los procedimientos hace referencia al determinante de la matriz de correlaciones?. El cálculo de la matriz de correlaciones anti-imagen. Un test de esfericidad de Bartlett. Una evaluación del estadístico KMO. El cálculo de los MSA o Medidas de Adecuación Muestral. El cálculo de las comunalidades.

¿En qué consiste la aplicación del criterio de Kaiser en un análisis factorial?. Consiste en retener en la solución factorial aquellos factores cuyo valor propio sea mayor que 1. Consiste en fijar a priori un número de factores a retener en la solución final. Consiste en retener en la solución factorial aquellos factores que resulten necesarios para explicar una proporción de varianza especificada a priori. Consiste retener en la solución factorial aquellos factores que explicar igual porcentaje de varianza promedio que una variable observada. Consiste en basar la decisión relativa al número de factores a retener en el gráfico de sedimentación, que muestra la relación existente entre cada factor y su capacidad explicativa.

En la fase de extracción y selección de factores del análisis factorial, una medida que no resulta válida para determinar el número óptimo de dimensiones es: El porcentaje mínimo de varianza. El gráfico de sedimentación. El test de Esfericidad de Bartlett. La versión analítica del gráfico de sedimentación o test de Catell. El criterio de fiabilidad por mitades.

¿Cuál de los siguientes supuestos resulta de mayor relevancia en un Análisis Factorial?. Homocedasticidad. Normalidad multivariable. Normalidad univariable de las variables observadas. Ausencia de multicolinealidad. En realidad, ninguno de los supuestos anteriores resulta relevante en un Análisis Factorial.

¿Cuál de las siguientes afirmaciones es cierta en relación con el concepto de comunalidad de cierta variable en un análisis factorial?. Se estima (a priori) como el coeficiente de correlación al cuadrado entre la variable en cuestión y resto de las variables incluidas en el análisis. Se calcula (a posteriori) como la suma de las cargas de los factores comunes respecto a la variable en cuestión. Representa la proporción de la varianza de cada variable que es explicada por todas las posibles dimensiones resultantes de un análisis factorial. Es un indicador de la existencia de una estructura de correlación entre las variables observadas en un análisis factorial. Todas las afirmaciones anteriores son ciertas.

¿Qué son los factor scores?. Las coordenadas de las variables en el espacio definido por los factores. Los porcentajes de variabilidad explicada por la solución factorial. Las coordenadas de los casos en el espacio definido por los factores. La cantidad de información representada o resumida por factores. Lo que carga o pesa un factor en la estimación de la comunidad de una variable.

En un procedimiento de Análisis Factorial, si una variable tiene una medida de adecuación muestral inferior a 0,5 ¿qué habría que hacer?. Dejarla en el análisis, ya se encargará el propio análisis de sacarla. Eliminarla del análisis. Dejarla en el análisis, puede que la variable esté bien explicada por los factores. Todas las respuestas anteriores son ciertas. No es posible que una variable tenga un MSA de ese valor.

¿Cuál de las siguientes expresiones completa correctamente la frase: " El propósito general de las técnicas analíticas de factores es...". encontrar una manera de condensar la información contenida en una reducido número de variables observadas en un número mayor de nuevas dimensiones compuestas, con una mínima pérdida de información. encontrar una manera de condensar la información contenida en un gran número de variables observadas en un número mayor de nuevas dimensiones compuestas, con una mínima pérdida de información. encontrar una manera de condensar la información contenida en un reducido número de valores observadas en un número menor de nuevas dimensiones compuestas, con una mínima pérdida de información. encontrar una manera de condensar la información contenida en un gran número de variables observadas en un número menor de nuevas dimensiones compuestas, con una mínima pérdida de información. Todas las afirmaciones anteriores representan situaciones posibles.

¿En qué consiste el criterio de fiabilidad por mitades en la fase de selección de factores del análisis factorial?. En calcular la fiabilidad de dos grupos de casos y retener las comunalidades que tengan mayor correspondencia en ambos casos. En calcular la fiabilidad de dos grupos de casos y retener las comunalidades que tengan mayor correspondencia en ambos casos. En dividir la muestra en dos partes y proceder a realizar el análisis por separado. En seleccionar los factores con valores propios mayores que 0,5. Todas las respuestas anteriores son ciertas.

¿Cuál de las siguientes afirmaciones es falsa?. El análisis factorial de tipo R es un análisis centrado en las relaciones y agrupaciones existentes entre los casos (objetos o sujetos). El análisis factorial de tipo Q es un análisis centrado en las relaciones y agrupaciones existentes entre los casos (objetos o sujetos). El análisis factorial de tipo R es un análisis centrado en las relaciones y agrupaciones existentes entre las variables observadas. El análisis factorial de tipo Q es, generalmente, un análisis secundario o complementario al análisis de tipo R. El análisis factorial de tipo Q y el de tipo de R pueden basarse en un estudio de la matriz de correlaciones o en el de la matriz de covarianzas.

¿Cuál de las siguientes afirmaciones es falsa en relación con los métodos de estimación de los factores basados en el análisis factorial clásico?. Persiguen identificar las relaciones existentes entre las variables observadas y las pautas subyacentes a sus variaciones. Asumen la existencia de factores comunes y factores únicos que, conjuntamente, determinan el valor de las variables observadas. Los factores se expresan como función de las variables observadas, no considerándose la posible existencia de factores únicos. Los valores de la diagonal principal de la matriz de correlaciones son sustitutos por una estimación de la comunalidad, lo que refleja la existencia de factores específicos. Todas las afirmaciones anteriores son ciertas.

Indica cuál de las siguientes afirmaciones es falsa en relación con los supuestos del método factorial clásico de análisis factorial: La matriz de correlaciones poblacional pueden descomponerse en dos partes, una debida a los factores comunes y otra a los factores únicos. La varianza de cada variable observada se descompone en su comunalidad, o parte de la varianza debida a su factor específico, y su especificidad, o parte de la varianza debida a los factores comunes. La varianza de cada variable observada se descompone en su especificidad, o parte de la varianza debida a su factor específico, y su comunalidad, o parte de la varianza debida a los factores comunes. Si las variables observadas están tipificadas,la comunalidad y la especificidad de cada variable deben sumar 1. Todas las afirmaciones anteriores son falsas.

El test de Kaiser utilizado en el análisis factorial permite (señale la opción correcta): Medir lo bien representada que está una variable en la estructura de correlación entre las variables. Rotar ortogonalmente los factores. Comprobar si la matriz de correlaciones es significativamente distinta de la matriz identidad. Obtener una medida que consiste en dividir la muestra en dos partes y proceder a realizar el análisis por separado. Seleccionar los factores con valores propios mayores que 1.

¿Qué ocurre cuando las comunalidades son altas (mayores de 0,6)?. Las variables observadas están bien representadas por la solución factorial o por la estructura de correlaciones. Los diferentes métodos de estimación de factores tienden a ofrecer soluciones similares. No es necesario eliminar ninguna variable del análisis. Más de un 60% de la varianza de las variables originales es explicada por la solución factorial. Todas las respuestas anteriores son ciertas.

Antes de realizar un análisis factorial,debemos tener en cuenta que...(seleccione la opción correcta): Las variables no pueden ser comparables ni ser analizadas conjuntamente. Debe cumplirse el supuesto de normalidad de las variables originales. Debemos evitar emplear variables expresadas en escalas muy diferentes, ya que las de mayor varianza alcanzarán un peso superior. Debe cumplirse el supuesto de homocedasticidad. Todas las afirmaciones anteriores son correctas.

¿Qué significa que un procedimiento de rotación sea oblicuo?. Que no mantiene el carácter oblicuo de los factores. Que mantiene la ortogonalidad de los factores. Que mantiene el carácter oblicuo de los factores. Que no mantiene el carácter ortogonal de los factores. Que rota los factores en un ángulo oblicuo.

¿Qué valor de KMO se considera un umbral mínimo de aceptación, por debajo del cual no es recomendable realizar un análisis factorial?. 0,5. 0,8. 0,05. 0,9. 0,3.

¿Qué persigue la rotación VARIMAX del análisis factorial?. Maximizar el número de variables que tienen cargas altas en un factor. Minimizar el número de variables que tienen cargas grandes en un factor, dejando por columnas cantidades próximas a 1 y 0. Minimizar el número de factores que tienen cargas grandes para una variable, dejando por columnas cantidades próximas a 1 y 0. Maximizar el número de variables que tienen cargas altas para una variable. Todas las respuestas anteriores son falsas.

¿Cuál de las siguientes afirmaciones es falsa en relación con el método de componentes principales?. Persiguen explicar la mayor parte posible de la variabilidad total con el menor número posible de componentes. Se emplea generalmente con el propósito de resumir o reducir datos. Las variables observadas se expresan como función de los factores comunes y los factores únicos de cada variable. Es un caso particular del Análisis Factorial en el que no se considera la existencia de factores específicos. Parte del supuesto de que la comunalidad es del 100% si se toman en cuenta todos los posibles componentes en la solución final.

¿Cuál de las siguientes situaciones es mejor para realizar un análisis factorial?. La puntuación del coeficiente de Kaiser-Meier (KMO) es 0,05. Se acepta la hipótesis nula (Ho) del Test de la Esfericidad de Barlett. Se aprecian correlaciones por bloques entre las variables originales. Se aprecian medidas de adecuación muestral (MSAi) en las variables objeto de análisis por debajo de 0,5. La comunidad explicada de cada variable se encuentra por debajo de 0,5.

¿Cuál de los siguientes métodos de estimación de factores ofrece un test de hipótesis que permite determinar el número más adecuado de factores a incluir en la solución final?. Método de Componentes Principales. Método de Ejes Principales. Método de Máxima Verosimilitud. Método de Mínimos Cuadrados no Ponderados. Todos los métodos lo ofrecen.

¿Cuál de las siguientes afirmaciones es verdadera en relación con el Análisis factorial?. El análisis factorial es un método de análisis multivariable de dependencia. El análisis factorial es un método de análisis multivariable de interdependencia. El análisis factorial es un método de análisis bivariable o multivariable de dependencia. El análisis factorial es un método de análisis bivariable o multivariable de interdependencia. Todas las afirmaciones anteriores son falsas.

¿Qué es una carga factorial?. La cantidad de varianza explicada por un factor. Una nueva variable no observable que se expresa como combinación lineal de otras variables. El porcentaje de varianza de una variable que es recogida o explicada por el conjunto de factores o compartida por las demás variables. La carga o peso de un factor en la estimación de la comunidad de una variable. La correlación que mantiene una variable con el resto de variables consideradas en el análisis.

¿Cuál de los siguientes métodos de estimación de factores ofrece un test de bondad de ajuste?. Método de Componentes principales. Método de ejes principales. Método de mínimos cuadrados generalizados. Método de máxima verosimilitud. Todos los métodos lo ofrecen.

¿Cuál es el número mínimo de casos (el tamaño muestral mínimo) recomendado en un análisis factorial?. 100 veces el número de factores previsible. 10 veces el número de factores finales. Al menos 1 observación por cada una de las correlaciones a calcular. 250 casos. 10 veces el número de variables observadas.

¿Cuál es el número de correlaciones diferentes que debe calcularse en un análisis factorial de p variables observadas?. Ninguna. p. p-1. p(p-1)/2. p(p-1).

¿Cuál de los siguientes procedimientos de rotación es oblicuo?. Varimax. Oblimin. Quartimax. Equimax. Todos los anteriores.

¿Qué son las medidas de adecuación muestral en el análisis factorial?. El porcentaje de la varianza de una variable que es recogida o explicada por el conjunto de factores o compartida por las demás variables. Las cargas o pesos de un factor en la estimación de la comunidad de una variable. La cantidad de varianza explicada por un factor. Una nueva variable no observable que se expresa como combinación lineal de otras variables. Un indicador que mide la bondad o conveniencia del análisis para cada una de las variables originales.

¿Cuál de las afirmaciones siguientes es falsa en relación con el Análisis Factorial?. Permite hacer un análisis de casos y de su relación con las variables. Es un análisis basado en el estudio de las correlaciones-covarianzas existentes entre un conjunto de variables métricas. Permite establecer las causas asociadas con las respuestas de una muestra de individuos a una batería de ítems. Requiere de la existencia de un mínimo nivel de correlación entre las variables analizadas para que su objetivo se vea cumplido. Tiene como propósito principal de identificación de la estructura conceptual subyacente a un conjunto de medias.

¿Cuál de las siguientes representa el planteamiento de un análisis de componentes principales?. Dada una muestra de tamaño n, y p variables métricas, se trata de encontrar m. Dada una muestra de tamaño n y p variables métricas, se trata de encontrar p nuevas variables correlacionadas, combinación lineal de las anteriores. Dada una muestra de tamaño n y p variables métricas, se trata de encontrar p nuevas variables correlacionadas, combinación lineal de las anteriores y ordenadas decrecientemente en cuanto a su capacidad explicativa. Dada una muestra de tamaño n y p variables métricas, se trata de encontrar p nuevas variables incorreladas, combinación lineal de los anteriores. Dada una muestra de tamaño n y p variables métricas, se trata de encontrar m mayor que p nuevas variables incorreladas, combinación lineal de los anteriores.

¿Qué sentido tiene realizar una inspección visual previa de la matriz de correlaciones en el análisis factorial?. Comprobar si, a simple vista, el número de correlaciones superiores a 0,5 es considerable. Detectar escasas correlaciones por bloques o parciales. Detectar medidas de adecuación muestral superiores a 0,5. Descubrir comunalidades altas. Todas las respuestas anteriores son ciertas.

¿Cuál de los procedimientos siguientes emplearía para evaluar la conveniencia de la inclusión de cierta variable en un análisis factorial?. Una inspección visual de la matriz de correlaciones. Un test de esfericidad de Bartlett. Una evaluación del estadístico KMO. Una evaluación de su medida de adecuación muestral o MSA. Todas las anteriores.

¿Cómo se denomina, según los supuestos del Análisis Factorial a aquella parte de la variabilidad de una variable observada que no es explicada por los factores que componen la solución factorial?. Comunalidad. Variabilidad. Solubilidad. Inexplicabilidad. Especificidad o unicidad.

¿Qué es la comunalidad en un análisis factorial?. La cantidad de varianza explicada por un factor. La correlación existente entre un factor y una variable. El porcentaje de varianza de una variable que es recogida o explicada por el conjunto de factores o compartida con las demás variables. La carga o peso de un factor en la estimación de la comunidad de una variable. La información que no es común o que no se comparte con el resto de variables ( también es conocida como especificidad).

¿Cuál de los siguientes métodos de estimación de factores siempre proporciona una solución?. Método de Componentes Principales. Método de Ejes Principales. Método de mínimos cuadrados no ponderados. Método de mínimos cuadrados generalizados. Método de máxima verosimilitud.

¿Cuál de las siguientes representa el planteamiento de un análisis factorial clásico?. Dada una muestra de tamaño n, y p variables métricas, se trata de encontrar m(menor que p) factores comunes incorrelados. Dada una muestra de tamaño n, y p variables métricas, se trata de encontrar m (menor que p) factores comunes incorrelados y p factores específicos igualmente incorrelados, de modo que podamos expresar las p variables como combinación lineal de dichos factores. Dada una muestra de tamaño n, y p variables métricas, se trata de encontrar m (menor que p) factores comunes incorrelados y p factores específicos igualmente incorrelados, combinación lineal de dichas variables. Dada una muestra de tamaño n, y p variables métricas, se trata de encontrar m=p factores comunes incorrelados. Dada una muestra de tamaño n, y p variables métricas, se trata de encontrar m (mayor que p) factores comunes incorrelados.

¿Qué significa que un procedimiento de rotación sea ortogonal?. Que no mantiene el carácter oblicuo de los factores. Que mantiene la ortogonalidad de los factores. Que mantiene el carácter oblicuo de los factores. Que no mantiene el carácter ortogonal de los factores. Que rota los factores en un ángulo oblicuo.

¿Qué es la factorización?. Un proceso que extrae grupos de casos en un espacio definido por los factores. La cantidad de varianza explicada por un factor. Un proceso consistente en la creación de una(s) nueva(s) variable(s), combinación lineal de otras variables. El porcentaje de varianza de una variable que es recogida o explicada por el conjunto de factores o compartida por las demás variables. La carga o peso de un factor en la estimación de la comunidad de una variable.

¿Cuál de los procedimientos siguientes emplearías para evaluar el interés de la realización de un análisis factorial?. Una inspección visual de la matriz de correlaciones, en busca de correlaciones elevadas. Un test de esfericidad de Bartlett. Una evaluación del estadístico KMO. Una evaluación de las medidas de adecuación muestral o MSA. Todas las anteriores.

¿Cuál de los siguientes procedimientos de rotación factorial no mantiene la ortogonalidad de los factores?. Rotación VARIMAX normalizada. Rotación oblicua. Rotación libre o OBLIMIN. Rotación EQUIMAX o EQUAMAX. Rotación VARIMAX.

¿Qué son las medidas de adecuación muestral en el análisis factorial?. El porcentaje de la varianza de una variable que es recogida o explicada por el conjunto de factores o compartida por la demás variables. Las cargas o pesos de un factor en la estimación de la comunalidad de una variable. La cantidad de varianza explicada por un factor. Una nueva variable no observable que se expresa como combinación lineal de otras variables. Un indicador que mide la bondad o conveniencia del análisis para cada una de las variables.

¿Cuál de los siguientes métodos de estimación de factores ofrece un test de hipótesis que permite determinar el número más adecuado de factores a incluir en la solución final?. Método de componentes principales. Método de ejes principales. Método de máxima verosimilitud. Método de mínimos cuadrados no ponderados. Todos los métodos lo ofrecen.

¿En qué circunstancias tiene sentido fijar a priori un número de factores determinado?. Cuando el procedimiento ascendente nos lo recomienda. Cuando el procedimiento descendente así lo sugiere. Cuando se dispone de información previa acerca del fenómeno objeto de estudio. Cuando no se conoce el número de factores que se espera identificar. Cuando el KMO es inferior a 0,5.

¿Qué valor debe tener el indicador Kaiser-Meyer-Olkin (KMO) para concluir que es inaceptable aplicar un análisis factorial a cierto conjunto de datos?. Inferior a 0,5. Inferior a 0,05. Superior a 0,5. Superior 0,05. Superior a 0,95.

Entre los diferentes tipos de rotación del análisis factorial, señale aquella rotación que mantiene la ortogonalidad de los factores subyacentes: Rotación varimax normalizada. Rotación oblicua ortogonal. Rotación libre u oblimin. Ninguna rotación, porque simplemente no rotando los factores garantiza que los factores sean ortogonales. Rotación correlada.

¿En qué consiste la aplicación del criterio de Cattell en un análisis factorial?. Consiste en retener en la solución factorial aquellos factores cuyo valor propio sea mayor que 1. Consiste en fijar a priori un número de factores a retener en la solución final. Consiste en retener en la solución factorial aquellos factores que resulten necesarios para explicar una proporción de varianza especificada a priori. Consiste retener en la solución factorial aquellos factores que explicar igual porcentaje de varianza promedio que una variable observada. Consiste en basar la decisión relativa al número de factores a retener en el gráfico de sedimentación, que muestra la relación existente entre cada factor y su capacidad explicativa.

En general, el análisis factorial se emplea...(seleccione la opción correcta): para reducir la información. para identificar la estructura subyacente de un conjunto de variables. como paso previo, permitiendo obtener nuevas variables incorreladas que servirán de input en posteriores análisis. Todas las respuestas anteriores son correctas. Todas las respuestas anteriores son falsas.

Si en un Análisis Factorial estamos trabajando con variables observadas tipificadas, ¿cuál es el valor máximo que puede tomar la comunalidad? ¿y la unicidad?. 1 en ambos casos. Estos valores no están acotados superiormente. En todo caso, sus valores deben ser mayores que cero. 1 en el caso de la comunalidad, mientras que no existe límite superior para la unidad. Estos dos valores pueden oscilar entre -1 y 1. 1 en ambos casos, siempre que la suma de éstos no supere este valor.

La utilización del análisis factorial se resume en dos términos clave (señale la opción correcta): Reducir y segmentar. Predecir y explicar. Reducir e interpretar. Explicar y controlar. Describir y agrupar.

¿Cómo debe ser el valor del nivel de significación resultante de un test de esfericidad de Bartlett para que concluyamos que tiene sentido realizar un análisis factorial de un cierto conjunto de datos?. Mayor que 0,95 (95%). Mayor que 0,05 (5%). Mayor que 0,5 (50%). Menor que 0,5 (50%). Menor que 0,05 (5%).

Indica cuál de las siguientes afirmaciones es falsa en relación con los supuestos del método factorial clásico de análisis factorial: Los factores comunes están incorrelados entre sí. Cuando se trabaja con valores tipificados, la varianza de los factores es 1 y su media 0. Los factores únicos están incorrelados entre sí. Los factores comunes pueden estar correlacionados con los factores únicos. La matriz de varianzas- covarianzas coincide con la de correlaciones cuando las variables están tipificadas.

Selecciona el texto que hace correcta la afirmación siguiente: "Como regla general, en un análisis factorial...". Se analizarán varias variables expresadas en escalas métricas, sin que el número de dichas variables tenga una incidencia relevante sobre los resultados. Se analizarán variables métricas, con un mínimo de 2 variables por cada uno de los factores previsibles. Se analizarán variables métricas, con un mínimo de 5 variables por cada uno de los factores previsibles. Se analizarán variables métricas o no métricas, con un mínimo de 2 variables por cada uno de los factores previsibles. Se analizarán variables métricas o no métricas, con un mínimo de 5 variables por cada uno de los factores previsibles.

¿Cuál de las siguientes situaciones se corresponde con el análisis factorial?. Implica el estudio de variables no métricas y supone la formación de grupos de categorías de variables. Implica el estudio de variables métricas o no métricas y supone la formación de grupos de casos (objetos o sujetos). Implica el análisis de variables métricas o no métricas y supone la formación de grupos o casos (objetos o sujetos) o de categorías de variables. Implica, principalmente, el estudio de variables métricas y la formación de grupos de variables. Ninguna de las afirmaciones anteriores es cierta.

¿Cuál de las siguientes afirmaciones es cierta en relación con el concepto de comunalidad de cierta variable en un análisis factorial?. Se estima (a priori) como el coeficiente de correlación múltiple al cuadrado entre la variable en cuestión y resto de las variables incluidas en el análisis. Se calcula (a posteriori) como la suma de los cuadrados de las cargas de los factores comunes respecto a la variable en cuestión. Representa la proporción de la varianza de cada variable que es explicada por los factores comunes. Es un indicador de la existencia de una estructura de correlación entre las variables observadas en un análisis factorial. Todas las afirmaciones anteriores son ciertas.

¿Cuál de las siguientes afirmaciones es falsa en relación con el Análisis Factorial?. Su interés es tanto mayor cuanto mayor es el número de variables empleadas para representar y conocer cierto fenómeno. Permite identificar las variables determinantes las evaluaciones de los entrevistados a ciertos estímulos. Permite identificar pautas de relaciones complejas (multidimensionales). Permite identificar pautas de relaciones subyacentes (latentes o no directamente observables). Se utiliza habitualmente como una técnica de reducción de datos ( o reducción de la dimensión de un problema).

¿Cuál de los siguientes indicadores o medidas nos informa de lo bien o mal representada que se encuentra cierta variable en la solución final de un análisis factorial?. El estadístico KMO. El test de esfericidad de Bartlett. La comunalidad de la variable en cuestión. El valor de MSA de la variable en cuestión. Cualquiera de las anteriores.

En el análisis factorial, ¿en qué consiste el criterio de fijación de un porcentaje mínimo de varianza a conservar para el análisis?. Consiste en seleccionar aquél número de factores que permite garantizar un porcentaje mínimo de varianza explicada. Consiste en seleccionar aquellos factores cuya suma de valores propios, una vez ordenados de mayor a menor capacidad explicativa, sea igual a 1. Consiste en seleccionar los factores que expliquen una parte de información menor que la que le corresponde según el número de variables iniciales. Consiste en seleccionar los factores con valores propios mayores que 1. Todas las respuestas anteriores son ciertas.

¿Cuál de las siguientes afirmaciones es cierta?. El análisis de componentes principales se asocia habitualmente con un propósito de identificación de la estructura de dimensiones subyacentes de un fenómeno. El análisis de componentes principales se asocia habitualmente con un propósito instrumental, o de reducción de la dimensión del problema mediante la identificación de nuevas variables con mayor capacidad explicativa. El análisis factorial clásico se asocia habitualmente con un propósito instrumental, o de reducción de la dimensión del problema mediante la identificación de nuevas variables con mayor capacidad explicativa. El objetivo principal del Análisis Factorial, con independencia del método empleado, es reducir la dimensión del problema mediante la identificación de nuevas variables con mayor capacidad explicativa. El objetivo habitual del Análisis Factorial Confirmatorio es la identificación de la estructura de dimensiones subyacentes de un fenómeno nuevo y desconocido.

El análisis factorial clásico (AFC) se caracteriza por: Considerarse un caso particular del análisis de componentes principales. Basarse en una estimación de la comunalidad (o parte de la varianza explicada por los factores comunes) del 100%, lo que implica la inexistencia de factores específicos. Centrar la atención en la explicación de las interrelaciones existentes entre las variables observadas, evaluando la varianza que es común y admitiendo la existencia de un factor único para cada variable. Explicar toda la varianza a partir de todos los componentes comunes. Presentar todas las características anteriores.

¿Cuál de las siguientes situaciones es incompatible con la realización de un análisis factorial?. Todas las variables son continuas. Todas las variables son categóricas, en cuyo caso se aplicaría una variante: el análisis de correspondencias. Todas las variables son métricas. Unas variables son continuas y otras categóricas. Todas las variables son de tipo Likert de 1 a 7.

En la fase de preparación del análisis factorial se debe comprobar la existencia de cierta estructura de correlación entre las variables, que es examinada a través de (señale la opción correcta): La inspección visual de la matriz de correlaciones. El estadístico de Kaiser-Meyer- Olkin (KMO). El test de Esfericidad de Bartlett. La comunalidad o el coeficiente de correlación múltiple al cuadrado entre una variable y todas las demás. Todas las menciones anteriores pueden ser utilizadas en la fase de preparación.

¿Cómo deben ser los coeficientes de correlación parcial si las variables comparten factores comunes?. Altos. Cercanos a 1. Pequeños. Próximos a -1. Entre -3 y 3.

¿Cuál de las siguientes afirmaciones es verdadera en relación con el Análisis Factorial?. El análisis factorial es un método fundamentalmente descriptivo. El análisis factorial es un método fundamentalmente explicativo. El análisis factorial es un método fundamentalmente predictivo. El análisis factorial es un método fundamentalmente asociativo. La naturaleza del análisis factorial depende de los objetivos del investigador.

¿Qué valor de MSA se considera un umbral mínimo de aceptación, por debajo del cual no es recomendable incluir cierta variable en un análisis factorial?. 0,05. 0.5. 0.8. 0.9. 0.3.

¿Qué mide la correlación parcial?. La cantidad de varianza explicada por un factor. La correlación que permanece entre dos variables después de eliminar la correlación que mantiene con otras. La correlación que existe entre dos variables únicamente. La carga o peso de un factor en la estimación de la comunidad de una variable. La correlación que mantiene una variable con el resto de variables consideradas en el análisis.

¿Qué procedimiento se utiliza para valorar a posteriori los resultados del análisis factorial?. La comparación de las cargas factoriales con las correlaciones existentes entre un factor y una variable. La comparación de las correlaciones originales (u observadas) con las reproducidas o estimadas por el modelo factorial. La realización de un análisis factorial exploratorio. La aplicación de una rotación varimax. Todas las respuestas anteriores son falsas.

¿Para qué aplicación concreta sería interesante aplicar el análisis factorial?. Identificación de grupos de consumidores de un producto tecnológico en base a sus características sociodemográficas. Estudio de imagen y posicionamiento de entidades financieras. Estudio de los factores determinantes de la pertenencia a una organización no lucrativa. Explotación de datos procedentes de situaciones experimentales. Descubrir los factores que explican/ predicen por qué un producto de alta tecnología fracasa cuando se lance al mercado.

¿Cuál de los siguientes métodos de estimación de factores está basado en un procedimiento iterativo? Seleccione una: Método de Componentes Principales. Método de Ejes Principales y Método de Máxima Verosimilitud. Método de Mínimos Cuadrados Generalizados. Método de Mínimos Cuadrados Ponderados. Ninguno de los métodos anteriores es un proceso iterativo.

¿Cuál de las siguientes afirmaciones es falsa en relación con los supuestos del análisis de componentes principales?Seleccione una: Las varianzas de las componentes principales son decrecientes. La covarianza entre cada par de componentes principales es igual a 1. Las componentes principales resultantes están ordenadas de mayor a menor capacidad explicativa. Las componentes principales son ortogonales entre sí. Si se trabaja con valores tipificados, la suma de las varianzas de las componentes principales es igual al número de variables observadas.

¿Cuál de las siguientes recomendaciones deben tomarse en cuenta a la hora de interpretar una solución factorial?. Debemos interpretar las cargas superiores a 0,5, en términos absolutos. Debemos realizar rotaciones para aumentar el valor de los coeficientes de correlación entre las variables y los factores (o cargas). Debemos realizar representaciones gráficas de las cargas factoriales para facilitar la extracción de conclusiones. Debemos considerar que, a medida que aumenta el número de variables, las cargas de los factores resultan significativas incluso para valores menores. Todas las recomendaciones anteriores son correctas.