Estadística: Regresiones Lineales Múltiples

1. Autor(es): • Luis Fernando Aguas
Estadística:
Análisis Factorial con SPSS

2. Contenidos
• Objetivos
• Resultados de Aprendizaje
• Introducción
• Desarrollo de Contenidos
• Conclusiones
• Recomendaciones
• Bibliografía

3. Objetivos
•Conocer las distintas funciones que
se puede realizar con SPSS
•Determinar y aprender las tareas que
puede desarrollarse con SPSS

4. Resultados de aprendizaje
• Elaborar conclusiones válidas para la población a partir
de los análisis de los estimadores obtenidos de los datos
de muestras adecuadas de acuerdo a referentes
teóricos.

5. Introducción
El análisis factorial es una técnica de reducción de datos que sirve para encontrar
grupos homogéneos de variables a partir de un conjunto numeroso de variables.
Esos grupos homogéneos se forman con las variables que correlacionan mucho
entre sí y procurando, inicialmente, que unos grupos sean independientes de
otros.
Cuando recogemos un gran número de variables de forma simultánea, como por
ejemplo en un cuestionario de satisfacción laboral, podemos estar interesados en
averiguar si las preguntas del cuestionario se agrupan de alguna forma
característica. Aplicando un análisis factorial a las respuestas de los sujetos
podemos encontrar grupos de variables con significado común y conseguir de
esta manera reducir el número de dimensiones necesarias para explicar las
respuestas de los sujetos.

6. Desarrollo de contenidos
Ingresamos al menú analizar, reducción de dimensiones y seleccionamos factor:

7. Pasamos sexo a variable de selección
Y damos clic en valor y ponemos F ó M
Este cuadro permite seleccionar una de las variables del
archivo de datos como variable de filtro: para definir una
sub-muestra de sujetos que cumplan una determinada
condición. Esta opción es especialmente útil cuando se
ha reservado un porcentaje de los sujetos de la muestra
para llevar a cabo una validación cruzada del modelo
final.

8. Luego pasamos dos variables a la sección variables
Damos clic en descriptivos
• Descriptivos univariados. Muestra, para cada variable, el
número de casos válidos, la media y la desviación típica.
• Solución inicial. Permite obtener las comunalidades iniciales,
los autovalores de la matriz analizada y los porcentajes de
varianza asociados a cada autovalor. Esta opción actúa por
defecto.
• Coeficientes. Muestra la matriz con los coeficientes de
correlación entre las variables utilizadas en el análisis.
• Niveles de significación. Incluye en la matriz de correlaciones
los niveles críticos unilaterales asociados a cada coeficiente.

9. Seleccionamos lo que se muestra en la imagen a continuación:
Luego damos clic en continuar y luego damos clic en extracción
La opción Extracción permite controlar varios aspectos
relacionados con la fase de extracción de los factores.
Entre otras cosas, permite decidir qué modelo factorial
se desea utilizar, en qué matriz de datos basar el
análisis y cuántos factores deben extraerse.

10. Damos clic en rotación
La opción Rotación permite controlar la fase de
rotación del análisis. Con esta opción podemos definir
el método de rotación que deseamos utilizar para
facilitar la interpretación de la solución factorial y
solicitar la representación gráfica de las saturaciones.
Marcamos las opciones que aparecen a continuación:
La opción Varimax es un método de rotación ortogonal
que minimiza el número de variables que tienen
saturaciones altas en cada factor. Simplifica la
interpretación de los factores optimizando la solución
por columna.

11. Damos clic en puntuaciones y seleccionamos:
Al seleccionar guardar, hacemos que se guarden las variables como regresión.
Luego damos clic en continuar y luego en aceptar.
Tenemos los descriptivos solo para las mujeres de los leucocitos y la edad.

12. En la matriz de correlaciones b podemos ver que la edad no influye en el número de leucocitos, ya
que se tiene un valor de -0.153, y en la significancia podemos ver que es mayor a 0.05, lo cual indica
que no hay relación.
En las comunalidades verificamos que se pierde mucho de lo inicial a la extracción, lo cual verifica
que no hay relación, si existiese relación la diferencia de lo inicial a lo de extracción sería mínima.

13. Viendo los componentes se ve una diferencia significativa de varianzas lo cual hace
disminuya bastante teniendo un 57.631 de porcentaje acumulado, lo cual representa una
pérdida en la extracción.

14. Combinando cada variable con sus correspondientes coeficientes pueden construirse las dos ecuaciones
lineales en las que se basa el cálculo de las puntuaciones factoriales:
y1=0.759Leucocitos – 0.759Edad

15. Conclusiones
• El SPSS y EXCEL son programas
estadísticos, computarizados ideal para la
introducción, interpretación de los datos
necesarios para llevar un control adecuado
de la empresa, es capaz de gestionar de
forma inteligente la nómina, contabilidad,
gastos extras, y demás aplicaciones
financiera.

16. Recomendaciones
• Se recomienda aprender el uso adecuado de SPSS ya
que es una gran ayuda para realizar trabajos
estadísticos.

17. Bibliografía
• http://site.ebrary.com/lib/pucesp/detail.action?docID=105
26557
• http://site.ebrary.com/lib/pucesp/detail.action?docID=104
79465
• http://site.ebrary.com/lib/pucesp/detail.action?docID=103
65616
• http://www.hrc.es/bioest/M_docente.html