Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 170 vistas

    Factorial Con Variables Dicotómicas

    Cargado por

    Ken Matsuda
    Este documento discute métodos alternativos para el análisis factorial de datos dicotómicos y de escala de Likert. Recomienda usar la matriz de correlaciones tetracoricas para datos dicotómicos y la matriz de correlaciones policóricas para datos de escala de Likert en lugar de la matriz de correlaciones de Pearson, ya que las primeras se basan en la suposición de que las categorías de respuesta representan variables latentes continuas subyacentes. El análisis factorial de estas matrices es equivalente a analizar las relaciones entre las variables latentes subyacentes

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd

    Factorial Con Variables Dicotómicas

    Cargado por

    Ken Matsuda
    170 vistas1 página
    Este documento discute métodos alternativos para el análisis factorial de datos dicotómicos y de escala de Likert. Recomienda usar la matriz de correlaciones tetracoricas para datos dicotómicos y la matriz de correlaciones policóricas para datos de escala de Likert en lugar de la matriz de correlaciones de Pearson, ya que las primeras se basan en la suposición de que las categorías de respuesta representan variables latentes continuas subyacentes. El análisis factorial de estas matrices es equivalente a analizar las relaciones entre las variables latentes subyacentes

    Descripción original:

    Analisis factorial sobre variables dicotomicas

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    DOCX, PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Este documento discute métodos alternativos para el análisis factorial de datos dicotómicos y de escala de Likert. Recomienda usar la matriz de correlaciones tetracoricas para datos dicotómicos y la matriz de correlaciones policóricas para datos de escala de Likert en lugar de la matriz de correlaciones de Pearson, ya que las primeras se basan en la suposición de que las categorías de respuesta representan variables latentes continuas subyacentes. El análisis factorial de estas matrices es equivalente a analizar las relaciones entre las variables latentes subyacentes

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    170 vistas1 página

    Factorial Con Variables Dicotómicas

    Cargado por

    Ken Matsuda
    Este documento discute métodos alternativos para el análisis factorial de datos dicotómicos y de escala de Likert. Recomienda usar la matriz de correlaciones tetracoricas para datos dicotómicos y la matriz de correlaciones policóricas para datos de escala de Likert en lugar de la matriz de correlaciones de Pearson, ya que las primeras se basan en la suposición de que las categorías de respuesta representan variables latentes continuas subyacentes. El análisis factorial de estas matrices es equivalente a analizar las relaciones entre las variables latentes subyacentes

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    Está en la página 1de 1

    Factorial con variables Dicotmicas

    Posted on octubre 30, 2009 by stadistikos

    Algunas Recomendaciones de Expertos sobre Procedimentos Alternativos

    Para datos dicotomicos, aplicar el analisis factorial sobre la matriz de inter-item de


    correlacione tetracoricas mas que sobre la matriz de correlaciones Pearson.

    Cuando los tems se basan en categoras ordenadas (por ejemplo, escalas de tipo Likert), se
    debe hacer el analisis factorial utilizando una matriz de correlaciones correlaciones
    >policoricas entre los tems, mas que sobre la matriz de correlaciones Pearson. Las
    correlaciones tetracoricas y policoricas se basan en el presupuesto que las categoras de
    respuesta (dicotomicas o de escala Likert) son estimaciones de variables no observables,
    latentes distribuidas normalmente.

    El analisis factorial de las matrices de correlacion tetracorica y policorica es esencialmente


    el analisis factorial de las relaciones entre las variables latentes de respuesta, que se asumen
    que subyacen a los datos en mano, y que se suponen que de naturaleza continua y de
    distribucin normal (Panter, Swygert, Dahlstrom, & Tanaka, 1997, p. 570-571).

    Roscino A., Pollice A. (2006) A Generalization of the Polychoric Correlation


    Coefficient. In: Zani S., Cerioli A., Riani M., Vichi M. (eds) Data Analysis,
    Classification and the Forward Search. Studies in Classification, Data Analysis,
    and Knowledge Organization. Springer, Berlin, Heidelberg

    Olmos-Miguelez, S., Martnez-Abad, F., Torrecilla-Snchez, E. M. & Mena-Marcos, J. J. (2014). Anlisis


    psicomtrico de una escala de percepcin sobre la utilidad de Moodle en la universidad. RELIEVE, v. 20 (2),
    art. 1. DOI: 10.7203/relieve.20.2.4221

    12112999-K

    También podría gustarte

    pFad - Phonifier reborn

    Pfad - The Proxy pFad of © 2024 Garber Painting. All rights reserved.

    Note: This service is not intended for secure transactions such as banking, social media, email, or purchasing. Use at your own risk. We assume no liability whatsoever for broken pages.


    Alternative Proxies:

    Alternative Proxy

    pFad Proxy

    pFad v3 Proxy

    pFad v4 Proxy