CAPITULO 3.MANUAL DE ANALISIS FACTORIAL

El objetivo del análisis factorial es ubicar grupos homogéneos partiendo de un conjunto numeroso de variables. Estos grupos se forman con las variables que correlacionan de manera significativa entre sí. Al aplicar un análisis factorial, se puede encontrar grupos de variables con significado común y conseguir de esta manera reducir el número de dimensiones formando factores.

Es importante recordar que desde un inicio cuando se comenzó el instrumento de redes semánticas, se eligió un constructo (culpa) de tres dimensiones y un distractor (ver tabla 3.1). Estas tres dimensiones fueron la base para construir el instrumento que se utilizó para el presente análisis.

Tabla 3.1.Dimensiones del constructoDimensión EstimuloCausas Me hace sentir culpa…

Reacción Cuando siento culpa yo…

Conexión con el cuerpo Mi cuerpo siente la culpa en…

(Distractor) Cuando me enojo yo…..

Nota: Se muestran las dimensiones del constructo y el tipo de estímulo utilizado para cada una.

1.- Se utilizará el programa spss para el análisis factorial y la base de datos utilizada en la prueba de Likert. Se recomienda realizar un análisis de frecuencia reactivo por reactivo solicitando máximo y mínimo para verificar que la base esta capturada correctamente.

2.-Se realiza la sumatoria de todos los reactivos.2.1- En la base, dar click en la barra de herramientas y después en transformar y luego otro click en calcular variable (ver figura 3.1).

FIGURA 3.1. Inicio de suma de reactivos

2.2- En donde dice “variable de destino”, nombrar la variable, que en este caso se llamará sumaculpa. Después en “grupo de funciones” dar click en todo y en “variables especiales” dar click en suma y en el recuadro de “expresión numérica” sumar todos los reactivos, finalmente dar click en aceptar (ver figura 3.2).

FIGURA 3.2. Captura de datos para suma de reactivos

2.3 - Observar que en la base de datos se agregue la suma de todos los reactivos de cada sujeto, resultando una variable llamada “sumaculpa” (ver figura 3.3).

FIGURA 3.3. Suma de reactivos

3.- Obtención de grupo alto y grupo bajo.

3.1- Obtención de cuartiles. En la barra de herramientas dar click en analizar, después en estadísticos descriptivos y finalmente en frecuencias (ver figura 3.4).

FIGURA 3.4. Inicio de obtención de cuartiles

3.2- Pasar la variable de la suma de reactivos (sumaculpa) en el recuadro de variables. Dar click en estadísticos (ver figura 3.5).

FIGURA 3.5. Captura de datos para obtención de cuartiles

3.3- Seleccionar cuartiles y luego dar click en continuar y en el cuadro de frecuencias aceptar. (ver figura 3.6).

FIGURA 3.6. Selección de datos para suma de cuartiles

3.4- Observar en la sección de resultados del spss la tabla de los percentiles; ver los valores del percentil más bajo y el más alto, 25 y 75, en este caso los valores son 47.0 y 64.0 respectivamente (ver tabla 3.2).

TABLA 3.2.

PercentilesPERCENTILES VALOR255075

47.000056.000064.0000

Nota: Se muestran los percentiles y su valor.

3.5- Volver a la base de datos y dar click en transformar y luego en recodificar en distintas variables (ver figura 3.7).

FIGURA 3.7. Recodificación

3.6- Agregar la variable de suma de reactivos (sumaculpa) al cuadro de variable numérica, nombrar variable de resultado, que en este caso se llamará “grupoculpa” y usar el mismo nombre en etiqueta dar click en valores antiguos y nuevos. (ver figura 3.8).

FIGURA 3.8. Recodificación de la variable

3.7- En rango inferior colocar el valor del cuartil bajo, es decir 47. En el recuadro de valor nuevo en valor anotar 1 (porque es del grupo bajo). En rango inferior anotar el valor del percentil bajo (47), dar click en añadir. En rango superior anotar el valor del percentil alto (64), dar click en añadir y en el

recuadro de valor nuevo, en valor anotar 2 (que es el grupo alto), dar click en continuar y aceptar (ver figura 3.9).

FIGURA 3.9. Asignación de valores de los grupos alto y bajo

3.8- De lo anterior resultara una nueva variable en la base de datos de nombre “grupoculpa” que diferencia entre grupo bajo “1” y entre grupo alto “2” (ver figura 3.10).

FIGURA 3.10. Variable de grupo alto y grupo bajo

4.- Calcular la “t” de student para muestras independientes reactivo por reactivo con el objetivo de analizar que reactivos discriminan entre grupo alto y grupo bajo y cuáles no.

4.1- En la barra de herramientas, dar click en analizar, luego en comparar medias y finalmente en prueba t para muestras independientes (ver figura 3.11).

FIGURA 3.11. Inicio para calculo de prueba “t”

4.2- En el recuadro que resulta, pasar la variable “grupo culpa” al cuadro de “variable de agrupación”, dar click en definir grupos (ver figura 3.12).

FIGURA 3.12. Variable de agrupación

4.3- En grupo 1 anotar el “1” y en el grupo 2 el “2”, dar click en continuar (ver figura 3.13). Pasar todos los reactivos al cuadro de “variables para contrastar” (ver figura 3.12) y dar click en aceptar.

FIGURA 3.13. Valores de los grupos alto y bajo

4.4- En la sección de resultados del spss, se observará una tabla de los datos obtenidos de la prueba “t”, en esta se observará reactivo por reactivo, si la f resulta significativa (menor a .05), se tomara para análisis que las varianzas no son iguales (se lee el renglón de abajo). Cuando la f no es significativa (mayor a .05) se toma el renglón de arriba, es decir, que se han asumido varianzas iguales. Después observar la significancia del reactivo, si ésta es mayor a .05 el reactivo no discrimina, si es menor a .05 sí discrimina. En la tabla 3.3 se muestran los resultados de éste análisis.

Tabla 3.3.

Prueba t para muestras independientes

Reactivo t Sig. (bilateral)cabeza -8.848 .000Mentir -10.118 .000Enojo -7.393 .000Gritar -4.356 .000Engañar -8.996 .000Hablar -5.148 .000Comer -4.901 .000Corazón -10.272 .000Enojarme -6.874 .000Lloro -10.053 .000Pelear -7.06 .000Triste -13.544 .000

Lastimar -11.364 .000Espalda -6.289 .000Aíslo -8.961 .000Llorar -12.897 .000Deprimo -12.897 .000Estómago -9.457 .000Irresponsabilidad -9.785 .000Garganta -7.074 .000Tarea -10.707 .000Piernas -4.095 .000Niego -4.292 .000Panza -10.028 .000Disculpa -7.899 .000Pecho -10.560 .000Manos -5.745 .000Mente -12.113 .000Reparo -4.239 .000Nota: Muestra la puntuación obtenida en la prueba t por cada reactivo así como su significancia.

En este caso todos los reactivos fueron significativos, por lo cual tienen buena discriminación entre grupo alto y grupo bajo (grupo 1 y grupo 2).

5.- Realizar análisis factorial.

5.1- En la base de datos, en la barra de herramientas, dar click en analizar, en reducción de dimensiones y en factor (ver figura 3.14).

FIGURA 3.14. Inicio de análisis factorial.

5.2- Pasar todos los reactivos al recuadro de “variables” y dar click en descriptivos (ver figura 3.15).

FIGURA 3.15. Selección de reactivos para análisis factorial

5.3- Se selecciona “kmo y prueba de esfericidad de Bartlett”, dar click en continuar (ver figura 3.16). Posteriormente, dar click en extracción (ver figura 3.15).

FIGURA 3.16. Selección de métodos para el análisis factorial

5.4- En el recuadro de “método” seleccionar factorización de ejes principales, en el recuadro de “analizar”, seleccionar matriz de correlaciones, en el recuadro de “visualización”, seleccionar solución factorial sin rotar y gráfico de sedimentación. Revisar en el recuadro de “extraer” que los autovalores sean mayores que 1 y en “numero máximo de iteraciones para convergencia” anotar 250 para que el análisis tenga libertad de movimiento, por último, dar click en “continuar”(ver figura 3.17).

Figura 3.17. Factorización de ejes principales.

5.5- Dar click en “rotación” (ver figura 3.15), seleccionar varimax en el recuadro de “método” y nuevamente poner el número “250” en número de iteraciones para convergencia, dar click en continuar (ver figura 3.18).

FIGURA 3.18. Método para rotación de valores

5.6- Aparecerá el cuadro de la figura 3.15, dar click en opciones, en el recuadro de “valores perdidos” seleccionar excluir casos según lista, en el recuadro de “formato de presentación de coeficientes”, seleccionar ordenados por tamaño y suprimir pequeños coeficientes, en “valor absoluto bajo” anotar .40 (peso factorial mínimo), dar click en continuar (ver figura 3.19), aparecerá el cuadro de la figura 3.15, dar click en aceptar.

FIGURA 3.19. Formato de presentación de los coeficientes

5.7- En la sección de resultados del spss se obtendrá la tabla del kmo y bartlett, en estas observar que “la medida de adecuación muestral de kaiser-meyer-olkin” sea mayor a .60, en este caso fue de .84, lo cual significa que la medida es adecuada. En la “prueba de esfericidad de Bartlett” observar que la significancia sea menor a .05, en este caso es .000, lo cual indica que es significativa y que se puede realizar el análisis factorial.

5.8- En la sección de resultados del spss, ver la tabla llamada “varianza total explicada” observar los autovalores iniciales totales que sean mayor a 1 para que se puedan tomar en cuenta como factor (valores en color amarillo en la tabla 3.4), los cuales están enumerados en la columna de la izquierda; observar después los autovalores después de la rotación (valores de color verde en la tabla); aunque en un inicio la tabla da 8 posibles factores, al final sólo se toman 6 posibles factores porque son los que tienen autovalores mayores a 1.

El factor 1 explica el 8.28% de la varianza total del constructo, el factor 2 explica el 7.11% de la varianza total del instrumento y el factor 3 explica el 6.94% de la varianza total del instrumento (valores marcados con azul en la tabla 3.4), en conjunto, los 3 factores explican el 22.34% del constructo (valor marcado con rojo en la tabla 3.4, es el porcentaje acumulado en los 3 factores).

Tabla 3.4. Varianza total explicada

Factor

Autovalores iniciales Suma de las saturaciones al cuadrado de la rotación

Tota

l Total

% de la

varianza % acumulado

1 6.648 2.403 8.287 8.287

2 2.557 2.062 7.111 15.398

3 1.480 2.013 6.943 22.341

4 1.342 1.708 5.889 28.230

5 1.298 1.462 5.043 33.273

6 1.215 1.448 4.992 38.264

7 1.097 .825 2.844 41.109

8 1.029 .566 1.951 43.060

9 .992

10 .938

11 .895

12 .870

13 .787

14 .756

15 .743

16 .663

17 .650

18 .597

19 .549

20 .529

21 .497

22 .462

23 .450

24 .406

25 .374

26 .341

27 .333

28 .284

29 .221

Nota: Se muestran los autovalores iniciales de cada factor así como sus valores después de la rotación.

También se observa la varianza explicada por cada factor y la varianza acumulada por éstos en conjunto.

5.9- En la sección de resultados del spss, ver la “matriz de factores rotados” con el fin de observar cómo se acomodan los reactivos en cada factor e ir tomando decisiones para mantenerlos o eliminarlos. Para ello, hay que verificar cuantos reactivos hay en cada factor, si un factor tiene igual o menos de dos reactivos, ese factor se elimina. Si un reactivo se encuentra en dos o más factores se elimina o se incluye en el factor donde haya más coherencia teórica, si un reactivo no se encuentra en ningún factor, también se elimina. En este caso hay 10 reactivos que están agrupados en tres factores, ya que los 19 restantes se eliminan por las condiciones anteriormente explicadas.

Causas de eliminación de reactivos.

Los reactivos corazón, mente, comer, niego, manos, espalda, gritar, llorar, enojo, pelear y garganta, se eliminan porque no aparecen en ningún factor.

El reactivo enojarme no se puede tomar como factor porque para hacerlo se requiere de un mínimo de 3 reactivos y aparece solo en el factor 4; sucede lo mismo con el reactivo piernas, el cual aparece solo en el factor 7.

Los reactivos mentir y engañar que aparecen en el factor 5, se eliminarán puesto que se requiere un mínimo de 3 reactivos para formar un factor; sucede lo mismo con los reactivos irresponsabilidad y tarea, que aparecen solos en el factor 6.

El reactivo triste aparece en dos factores (en el 1 y en el 2), se decidió añadirlo en el primer factor ya que presenta mayor carga factorial ahí, además de que tiene más coherencia teórica con el factor 1.

El reactivo lastimar también aparece en dos factores (en el 2 y en el 8), aunque tiene más peso factorial en el factor 2, se tomó la decisión de eliminarlo ya que no tiene coherencia teórica, pues alude a una causa de sentir culpa y no a una reacción después de sentirla.

Se obtuvieron 3 factores; el primero se compone de reactivos que aluden a estados de ánimo, que llamaremos emociones después de sentir culpa (ver tabla 3.5); el segundo se compone de reactivos que se relacionan con acciones o reacciones conductuales después de sentir culpa (ver tabla3.6), y el tercero de reactivos vinculados a la ubicación corporal de la culpa (ver tabla 3.7).

*Se puede observar que de las tres dimensiones que en un inicio se tenían (causas, reacción y conexión con el cuerpo), permanecen solo dos, reacciones y conexión con el cuerpo, mientras que la dimensión causas fue sustituida por la de emociones.

Tabla 3.5

Factor 1. EmocionesReactivo Carga factorialDeprimoAísloLloroTriste

.607

.556

.502

.452Nota: Eigen value 2.403Varianza explicada 8.287Alfa de Cronbach .748

Tabla 3.6

Factor 2. ReaccionesReactivo Carga factorialDisculpaReparoHablo

.732

.642

.421Nota: Eigen value 2.062

Varianza explicada 7.111 Alfa de Cronbach .625

Tabla 3.7

Factor 3. Conexión con el cuerpo.Reactivo Carga factorialPanzaEstómagoPecho

.814

.760

.422Nota: Eigen value 2.013 Varianza explicada 6.943 Alfa de Cronbach .762

6.- Análisis de confiabilidad.

6.1- Primero se analizan los reactivos que componen los factores en conjunto. En la base de datos ir a la barra de herramientas, dar click en analizar, en escala y en análisis de fiabilidad (ver figura 3.20).

FIGURA 3.20. Inicio de análisis de confiabilidad

6.2- Se pasan los reactivos que componen los tres factores (6,10,12,15,17,18,24,25,26 y el 29), dar click en “estadísticos”(ver figura 3.21).

FIGURA 3.21. Selección de reactivos para el análisis de confiabilidad

6.3- En el recuadro de “descriptivos para”, elegir elemento, escala y escala si se elimina elemento, dar click en continuar (ver figura 3.22) y en aceptar en el cuadro de la figura 3.21.

FIGURA 3.22. Descriptivos para análisis de fiabilidad

6.4- En la sección de resultados del spss ver la tabla resultante “estadísticos de fiabilidad” observar el alfa de Cronbach, en este caso es de .774, lo cual significa que el instrumento tiene una confiabilidad aceptable.

* En la sección de resultados del spss revisar la tabla “estadísticos total-elemento” observar el valor de alfa de Cronbach para saber si esta incrementa su valor en caso de que algún reactivo no existiera. En este caso los que más la aumentan es el reactivo de “hablo” y el de “reparo” pero no conviene eliminarlos porque no aumenta el valor del alfa significativamente y se eliminaría un factor debido a que no cumpliría el mínimo de reactivos requeridos, además la varianza se vería disminuida. Por lo cual los reactivos se mantendrán.

7.- Análisis de confiabilidad por factor.

7.1- Para analizar la confiabilidad del primer factor, se siguen los mismos pasos del punto 7.1 del análisis de confiabilidad (ver figura 3.20).

7.1.1- Se pasan al cuadro de “elementos” solo los reactivos del factor 1, dar click en “estadísticos” (ver figura 3.23).

FIGURA 3.23. Confiabilidad de los reactivos del primer factor.

7.1.2- En el recuadro de “descriptivos para”, elegir elemento, escala y escala si se elimina elemento, dar click en continuar (ver figura 3.24) y en aceptar en el cuadro de la figura 3.21.

FIGURA 3.24. Descriptivos para confiabilidad del primer factor

7.1.3- Ver en la sección de resultados del spss la tabla de “estadísticos de fiabilidad”, en este caso el factor 1 tiene una alfa de Cronbach de .748, tiene una confiabilidad aceptable.

* Ver la tabla de “estadísticos total-elemento”, se nota que ningún reactivo puede ser eliminado, ya que si se hace, ninguno subiría el alfa de Cronbach.

7.2- Para realizar el análisis de confiabilidad para el segundo factor, se siguen los mismos pasos del punto 7.1 del análisis de confiabilidad (ver figura 3.20).

7.2.1 Se pasan al cuadro de “elementos” solo los reactivos del factor 2, dar click en “aceptar” (ver figura 3.25).

FIGURA 3.25. Confiabilidad de los reactivos del segundo factor

7.2.2- En el recuadro de “descriptivos para”, elegir elemento, escala y escala si se elimina elemento, dar click en continuar (ver figura 3.26) y en aceptar en el cuadro de la figura 3.21.

FIGURA 3.26. Descriptivos para confiabilidad del segundo factor

7.2.3- Ver en la sección de resultados del spss la tabla de “estadísticos de fiabilidad”, en este caso el factor 2 tiene una alfa de Cronbach de .625, lo que resulta una confiabilidad moderada.

* Ver en resultados del spss la tabla de “estadísticos total-elemento”, se nota que si se elimina el reactivo “hablo” sube el alfa de Cronbach, sin embargo no puede hacerse, porque se eliminaría el factor al haber solo dos reactivos, además de que el alfa no sube significativamente.

7.3- Para el análisis de confiabilidad del tercer factor, se siguen los mismos pasos del punto 7.1 del análisis de confiabilidad (ver figura 3.20).

7.3.1 se pasan al cuadro de “elementos” solo los reactivos del factor 3, dar click en aceptar (ver figura 3.27).

FIGURA 3.27. Confiabilidad de los reactivos del tercer factor

7.3.2- En el recuadro de “descriptivos para, elegir elemento, escala y escala si se elimina elemento, dar click en continuar (ver figura 3.28) y en aceptar en el cuadro de la figura 3.21.

FIGURA 3.28. Descriptivos para confiabilidad del tercer factor

7.3.3- Ver la sección de resultados del spss la tabla de “estadísticos de fiabilidad”, en este caso el factor 3 tiene una alfa de Cronbach de .762, lo cual indica que tiene una confiabilidad aceptable.

* Ver la sección de resultados del spss la tabla de “estadísticos total-elemento”, se nota que si se elimina el reactivo “pecho” sube el alfa de Cronbach, sin embargo no puede hacerse, porque se eliminaría el factor al haber solo dos reactivos, además de que el alfa no sube significativamente.

El instrumento final, tomado en cuenta los factores obtenidos sería de la siguiente manera:

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO

FACULTAD DE PSICOLOGÍA

Edad: ______ años Sexo: 1. F 2. M

Folio_______

A continuación se te presentan una serie de afirmaciones relacionadas con situaciones que generan culpa, acciones que se llevan a cabo ante la culpa y lugares del cuerpo donde se siente la culpa.

Marca la respuesta que consideres se adecue más a ti.

Por ejemplo:

Nada A veces Frecuentemente SiempreCuando siento culpa yo me enojo

x

De acuerdo con el ejemplo frecuentemente se siente culpa al enojarse.

Ahora responde:

Nada A veces Frecuentemente

Mucho

Cuando siento culpa yo hablo

Siento la culpa en el estómago

Cuando siento culpa yo me pongo triste

Cuando siento culpa yo

Nada A veces Frecuentemente

Mucho

pido una disculpa

Cuando siento culpa yo me deprimo

Cuando siento culpa yo lo reparo

Siento la culpa en la panza

Cuando siento culpa yo me aíslo

Siento la culpa en el pecho

Cuando siento culpa yo lloro

Gracias por tu participación