¡Descarga Práctica 4-Autoestima y más Ejercicios en PDF de Psicología solo en Docsity!
Pràctica 4- Reducció de dades: Anàlisi en Components Principals unidimensional
Les pràctiques 4, 5 i 6 de l’assignatura estan basades en el mateix estudi sobre autoestima de les pràctiques 1 i 2. Les dades que s'analitzaran corresponen, doncs, a les respostes de 220 nois i noies d'entre 13 i 15 anys als ítems de les escales d’autoestima en els àmbits acadèmic (AC) i familiar (FA) de la versió espanyola del qüestionari d’autoestima per a nens elaborat per Pope, McHale i Craighead (1996)^1.
El contingut dels ítems d’aquestes dues escales del qüestionari és el següent:
Escala d’autoestima en l’àmbit acadèmic
AC1 Estoy decepcionado con mis notas
AC2 Leo bien
AC3 Me gustaría entender más cuando el profesor explica en clase
AC4 Estoy orgulloso de mi trabajo en la escuela
AC5 Soy demasiado lento con el trabajo en la escuela AC6 Me siento bien cuando estoy en la escuela
AC7 Soy torpe con el trabajo de clase
AC8 Creo que mis notas son bastante buenas
AC9 Me gustaría ser mejor estudiante
AC10 Soy bueno en matemáticas
Escala d’autoestima en l’àmbit familiar
FA1 Soy un miembro importante de mi familia
FA2 Me siento bien cuando estoy con mi familia
FA3 Me siento como si huyera de casa
FA4 Hago infelices a mis padres
FA5 Soy un buen hijo/a FA6 Mis padres tienen motivos para estar orgullosos de mí
FA7 Tengo una de las mejores familias
FA8 Decepciono a mi familia
FA9 Creo que mis padres serían felices si yo fuera diferente
FA10 No me gusta cómo me comporto cuando estoy con mi familia
(^1) Pope, A. W., McHale, S. M. i Craighead, W. E. (1996). Mejora de la autoestima: Técnicas para niños y adolescentes. Barcelona: Martínez Roca.
Cada ítem té tres opcions de resposta (0: casi nunca , 1: algunas veces , 2: casi siempre ).
Al finalitzar aquesta pràctica hauríeu de ser capaços de:
- Identificar la matriu de components com a una matriu de correlacions entre ítems i components.
- Interpretar les càrregues d'una matriu de components.
- Calcular les comunalitats i percentatge de variància d'una solució unifactorial.
- Interpretar les comunalitats, el percentatge de variància explicada i els residuals d'una solució unifactorial.
- Concloure sobre una solució unifactorial
PREGUNTES
Començarem analitzant els ítems de l’escala d’autoestima acadèmica, però abans de fer l’Anàlisi en Components Principals, recorda alguns resultats obtinguts a les pràctiques 1 i 2 sobre aquests ítems.
- (^) L’escala d’autoestima acadèmica presenta 5 ítems directes (AC2, AC4, AC6, AC8 i AC10) i 5 ítems inversos (AC1, AC3, AC5, AC7, i AC9).
- Les tres mitjanes més baixes corresponen a ítems directes (AC2, AC6, AC4) i les tres mitjanes més altes a ítems inversos (AC7, AC5, AC1). En aquest sentit, podem dir que la mostra de presenta en promig una autoestima acadèmica baixa.
- En observar les correlacions entre ítems determinem que aquestes presenten signe positiu quan són entre dos ítems directes, o quan són entre dos ítems inversos. En canvi són de signe negatiu les correlacions calculades entre un ítem directe i un invers.
- Les correlacions en valor absolut, indiquen que l’ítem AC2 és el que està menys relacionat amb la resta dels ítems.
- L’escala formada per 10 ítems presenta una alfa de Cronbach de .818. Els ítems menys consistents són: AC2, AC6 i AC10. Amb l’eliminació d’aquests ítems l’alfa augmenta fins a .836.
- (^) Obre la matriu de dades AutoestimaR.sav i comprova que té sentit realitzar l’Anàlisi en Components Principals (ACP) de la matriu de correlacions entre els 10 ítems d’autoestima acadèmica. Obté el determinant de la matriu de correlacions entre ítems, la prova d’esfericitat de Barlett i l’índex de Kaiser-Meyer-Olkin (KMO) seguint la següent seqüència: 1).)a Analizar > Reducción de dimensiones > Factor. 1).)b Selecciona els 10 ítems per passar-los a la finestra de variables (per als ítems inversos, selecciona els que ja estan recodificats, AC#r) 1).)c A Descriptivos selecciona Descriptivos univariados i, respecte a la matriu de correlacions, selecciona Coeficientes, Determinante, KMO y Prueba de esfecicidad de Barlett. 1).)d Fes clic a Pegar i executa la sintaxi.
(p.ex. Cas 1) (p.ex. Cas 220) Puntuació factorial −1.76 2. Com són les respostes als ítems directes (AC2, AC4, AC6, AC8, i AC10)?
Baixes Altes
Con són les respostes als ítems inversos (AC1, AC3, AC5, AC7, AC9)?
Altes Baixes
Com són les respostes al conjunt dels 10 ítems, un cop recodificats els inversos (AC1r, AC2, ..., Ac9r, AC10)?
Baixes Altes
Com és la seva autoestima acadèmica? Molt baixa Molt elevada
La taula següent conté la correlació de Pearson entre la puntuació factorial i cada ítem del qüestionari. Calcula les correlacions que falten a la taula i anota-les.
La matriu de components és el principal resultat de l’anàlisi factorial. Localitza aquesta matriu entre els resultats obtinguts de l’anàlisi factorial, enganxa-la al següent requadre i observa que aquesta matriu és la mateixa que has calculat en la pregunta anterior.
És interpretable el factor obtingut? Sí.
En cas afirmatiu, escriu les següents etiquetes...
Etiqueta per descriure puntuacions elevades en el factor:
Autoestima acadèmica alta o presència d’autoestima acadèmica considerable.
Etiqueta per descriure puntuacions baixes en el factor:
Autoestima acadèmica baixa o manca d’autoestima acadèmica.
En el supòsit que estiguéssim en la fase de construcció del test i volguéssim reduir la longitud de l’escala en un 50% seleccionant els ítems més adequats per mesurar l’autoestima acadèmica, Quins ítems creus que seria oportú escollir?
Seria adequat seleccionar els ítems més relacionats amb el factor que són, per ordre: AC8 (.829), AC1r (.809), AC4 (.780), AC9r (.657) i AC7r (.650).
Si féssim aquesta reducció de l’escala, quin seria el valor mínim d’alfa que tindria la nova escala AC. Aplica la fórmula de la profecia d’Spearman-Brown per fer aquesta estimació i valora el resultat obtingut.
Cal aplicar la següent fórmula:
ρ (^) c: és la fiabilitat “coneguda” (de l’escala actual); ρc =.
k: és el quocient entre el nombre d’ítems “hipotètics” (de la nova escala; n (^) h = 5) i el nombre d’ítems “coneguts” (de l’escala actual; n (^) c = 10); k = n (^) h / nc = 5/10 = 0. (Fixa’t que k < 1 quan ens plantegem escurçar una escala, mentre que quan considerem allargar-la llavors k > 1)
Substituint els termes de la fórmula: ρh =
El resultat és: ρh =.
L’alfa de l’escala amb la meitat d’ítems seria com a mínim de .692. Però l’alfa real seria més alta, ja que la profecia fa una estimació en el supòsit que finals siguin equivalents als ítems inicials, però es retindrien els ítems més relacionats.
- En quin grau la solució unidimensional és adequada? Valora el percentatge de variància explicada, les comunalitats i els residuals, amb l’objectiu de concloure el grau en què el factor obtingut és un bon resum dels 10 ítems analitzats.
Resultats obtinguts Valoració Variància explicada pel factor (%) 39.6% Atenent al fet que la solució és unidimensional, el percentatge de variància explicada és elevat. Comunalitats (rang) De .089 a .687 Les comunalitats són força heterogènies, essent la de l’ítem 2 especialment baixa (inferior al 10%). Residuals en valor absolut:
- rang
- % residuals superiors a.
El 36% dels residuals són molt petits, i el 64% restant són residuals baixos o moderats.
Conclusió global sobre el grau en què el model unidimensional s’ajusta a les dades analitzades: L’ajustament del model unidimensional a les dades és moderat.
- L’anàlisi de la consistència interna feta a la pràctica 2 ens aportava la següent informació: l’alfa de l’escala AC era acceptable (.818), els ítems que més contribuïen a la consistència interna eren AC1r, AC4 i AC8, els ítems que menys hi contribuïen eren AC2, AC6 i AC10, i en eliminar aquests tres ítems menys consistents l’alfa augmentaria lleugerament (.836). Avalua els resultats obtinguts amb l'anàlisi unidimensional realitzat amb l'ACP i compara ambdues anàlisis.
les persones amb una autoestima familiar elevada, i viceversa.
Basant-te en el percentatge de variància explicada, les comunalitats i els residuals, valora si la solució unidimensional s’ajusta a les dades observades.
Percentatge de variància explicada: 38.1%, es tracta d’un valor elevat per uan solució unidimensional
Comunalitats: són homogènies, entre .215 i.
Residuals: entre .004 i .170 en valor absolut; són valors petits, però el 64% són > 0.05.
Ajustament de la solució unidimensional: moderat
- Compara els resultats de l’ACP dels 10 ítems d’autoestima acadèmica i els 10 d’autoestima familiar. Quines semblances i quines diferències trobes?
Semblances:
El % de variància explicada (AC = 39.6%; FA = 38.1%), KMO (.846 vs .848), determinant, i % de residuals majors a .05 (64%).
L’ajustament és moderat en ambdós casos.
Diferències:
Per als ítems d’AC, les càrregues factorials tenen un rang de variació més gran (entre .298 i .829) i també les comunalitats són més extremes (entre .089 i .687), mentre que per als ítems de FA, les càrregues factorials són més homogènies (entre .464 i .756) i les comunalitats també (entre. i .572).
- Desa les dades en un arxiu SAV amb el nom “autoestimaR” i el teu NIU ( _autoestimaR NIU.sav ) i la sintaxis en un arxiu SPS amb el mateix nom ( _autoestimaR NIU.sps ).
