Actividad 10Carmen SolanaSofa Navarro BezZoraida Bousnina Obando

Evaluacin emprica de la Validez.Fuentes de evidencia internas. Estructura Interna

Vamos a evaluar la estructura factorial o dimensionalidad del GHQ. La idea base es que si los tems miden todos un mismo rasgo (o factor en la terminologa de este anlisis), las respuestas de los sujetos a esos tems sern parecidas, estarn relacionadas, o lo que es lo mismo, las correlaciones entre los tems sern elevadas. Si por el contrario unos tems miden un rasgo mientras otros tems miden otro, el primer conjunto de tems correlacionar alto entre s, el segundo grupo de tems correlacionar alto tambin entre s, pero las correlaciones entre los tems de uno y otro grupo no correlacionarn alto entre s. Y si hay mas rasgos, habr ms subgrupos de tems. El anlisis de las correlaciones permitir pues averiguar si efectivamente hay un factor comn a todos los tems, o si por el contrario hay varios factores comunes y por lo tanto necesito apelar a ms de un rasgo para explicar estas respuestas. Lgicamente esperaremos obtener uno o ms factores dependiendo de cul sea la naturaleza (unidimensional o multidimensional) del constructo. Una explicacin detallada la podis encontrar en los libros de Abad et al (2011) y Martnez-Arias(2006) y que se recomiendan como manuales de apoyo.

En el tutorial al que puedes acceder pinchando aqu tienes acceso a un documento en el que se ejemplifica cmo realizar el anlisis factorial utilizando SPSS, para obtener evidencia de validez acerca de la estructura interna del EPQ-RA.

Tu tarea consiste en repetir dichos anlisis con los datos de clase a los que puedes acceder desde aqu.

1. Realiza un AFE para explorar la estructura interna del GHQ. 2. Pega la tabla de KMO y prueba de esfericidad de Bartlett. Las variables analizadas (tems) estn suficientemente relacionadas? Tiene sentido continuar con la interpretacin del anlisis? Justifica tu respuesta.

3. Pega la tabla con los autovalores iniciales de los factores extrados. Cuntos factores superan el criterio de Kaiser? Qu porcentaje de varianza explica cada factor?Qu porcentaje de varianza total explican entre todos los factores?

4. Pega el grfico de sedimentacin e interpreta la informacin que ofrece.

5. Pega la matriz de estructura o matriz de factores rotados. Interpreta la solucin factorial que ofrece.

6. Se confirma la dimensionalidad esperada para el test? Comenta el resultado que obtienes.

KMO y prueba de Bartlett

Medida de adecuacin muestral de Kaiser-Meyer-Olkin.,690

Prueba de esfericidad de BartlettChi-cuadrado aproximado242,026

gl66

Sig.,000

El ndice KMO tiene un valor mediocre, pues es inferior a .70, por lo tanto se desaconseja utilizar el analisis factorial. Esto quiere decir, que las correlaciones parciales entre las variables es pequea por eso es un valor bajo. La significacin ( Barlett), pone a prueba si existe una matriz de identidad, al ser sig 0.00 se rechaza la Ho, esto quiere decir que la matriz de correlaciones no es una matriz de identidad, es decir, si hay correlaciones pero el KMO refleja que las correlaciones son muy flojas.

Comunalidadesa

InicialLa comunalidad se refiere a la varianza del tem explicada por los factores comunes. En este caso utilizamos ejes principales, estos indican lo que tienen en comn los tems entre s. Extraccin

GHQ1R,299,452

GHQ3R,428,475

GHQ4R,417,462

GHQ7R,457,597

GHQ8R,268,289

GHQ12R,490,486

GHQ2,238,182

GHQ5,342,999

GHQ6,330,445

GHQ9,489,599

GHQ10,469,545

GHQ11,411,489

Mtodo de extraccin: Mxima verosimilitud.

a. Se han encontrado una o ms estimaciones de comunalidad mayores que 1 durante las iteraciones. La solucin resultante deber ser interpretada con precaucin.

Varianza total explicada

FactorAutovalores inicialesSumas de las saturaciones al cuadrado de la extraccinSuma de las saturaciones al cuadrado de la rotacina

Total% de la varianza% acumuladoTotal% de la varianza% acumuladoTotal

13,34327,85627,8561,39911,65811,6581,479

22,08317,35945,2152,76123,00734,6652,427

31,1849,87155,0861,20410,03244,6972,153

41,1319,42564,511,6565,46750,164,985

5,9067,54972,059

6,7336,10878,167

7,6505,42183,588

8,5424,51788,105

9,4313,59091,694

10,3853,21194,905

11,3442,86397,768

12,2682,232100,000

Mtodo de extraccin: Mxima verosimilitud.

a. Cuando los factores estn correlacionados, no se pueden sumar las sumas de los cuadrados de las saturaciones para obtener una varianza total.

Segn el criterio de Kaisser se agruparan 4 factores que explicaran el 50.164% de la varianza comn. El otro 50% de la varianza comn queda sin explicacin. Los factores que obtuvimos del 5 al 12 son residuales, puesto que no agrupan siquiera 1 tem. El primer factor agrupa 27.856% de la varianza comn, lo cual no es muy adecuado, y los otros tres factores que superan el criterio Kaiser agrupan un porcentaje muy bajo de la varianza comn de los tems.

Segn el criterio de Catell, tenemos 3 factores, a diferencia del criterio Kaisser que seran 4 factores. (Segn M.Dolores, a partir del factor 3 se estanca, pues la curva ya no va en picado)

Matriz de estructura

Factor

1234

GHQ5,997 ,198

GHQ2,383,115,246,150

GHQ7R ,712,395,177

GHQ12R-,101,666,246-,271

GHQ3R ,647,193-,326

GHQ4R ,640,146-,274

GHQ8R ,505,254,100

GHQ10,195,294,736

GHQ9,448,145,712

GHQ11 ,422,659

GHQ1R ,304,205-,598

GHQ6,261 ,435,543

Mtodo de extraccin: Mxima verosimilitud. Metodo de rotacin: Normalizacin Oblimin con Kaiser.

La matriz de estructura nos indica la saturacin factorial, es decir, la correlacin del tem explicada con cada factor. En la tabla que obtuvimos consideramos que ningn factor explica una correlacin adecuada del tem al que agrupa, por eso obtenemos que la correlacin de un tem se explica en ms de un factor. Despus de realizar la rotacin sigue habiendo preguntas que no se sabe dnde situarlas. No es una buena solucin factorial, es imposible interpretar.

No se confirma la dimensionalidad esperada para el test, de acuerdo al anlisis de correlaciones efectivamente hay un factor comn a todos los tems. - Segn el criterio Kaiser tenemos 4 factores, mientras que segn el criterio de Cattel tenemos 3 factores. Lo ideal sera que los dos criterios coincidieran. - Los 4 factores explican el 50.164% de la varianza comn, lo deseable es que supere el 50%, ya que el otro 50% de la varianza comn queda sin explicacin. - Segn la matriz de estructura, la correlacin de un tem es explicada con 2 o ms factores.