Psicometria-Menesesetal
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
Editorial UOC 156 Psicometría
La matriz de correlaciones presenta, en esta situación, una distribución de
valores suficientemente uniforme, y no se detectan en este caso agrupaciones
de variables con correlaciones altas entre ellas y bajas con las demás.
La varianza de cada variable (ítem) es posible descomponerla en tres fuentes
de variación: la varianza factorial común, que comparten las variables en común,
la varianza específica, o no compartida por otras variables, y la varianza
del error. La varianza común, también denominada comunalidad (h 2 ), interesa
que sea suficientemente alta una vez que hemos seleccionado los factores relevantes.
En el inicio del análisis la comunalidad de las variables es la unidad; después
del análisis, cuanto más próxima esté a uno, más relación habrá con el factor o
factores extraídos.
Tabla 3. Comunalidades
Inicial
Extracción
ítem1 1,000 ,410
ítem2 1,000 ,628
ítem3 1,000 ,670
ítem4 1,000 ,722
ítem5 1,000 ,743
ítem6 1,000 ,455
ítem7 1,000 ,489
ítem8 1,000 ,518
Método de extracción: análisis de componentes principales
La comunalidad de un ítem j viene representada por:
2 2 2 2
hj aj b j
kj
Donde a 2 j , b 2 j ,…, k 2 j representan el cuadrado de los coeficientes de saturación
de cada ítem con cada factor A, B,…, K, extraídos, siendo el coeficiente de
saturación la correlación de cada ítem con los factores extraídos.
En el ejemplo, las variables que presentan mayor comunalidad son los ítems
4 y 5.