Análisis de componentes principales en SPSS
Вставка
- Опубліковано 10 лют 2025
- En este video tutorial aprenderás a realizar e interpretar el análisis de componentes principales en SPSS.
Datos, manuales, scripts y más en:
www.eliaxalvar...
Sígueme:
Facebook: / eliaxalvarad0
Twitter: / elias_alvarado
¡Hasta pronto, mi gente!
#SPSS
#AnálisisComponentesPrincipales
#Cápsula016
Excelente video, la explicación es super clara ,fácil de entender y interpretar
Gracias ^_^
Excelente video. Es muy comprensible su forma de explicar.
GRACIAS😉
Excelente explicación muy clara y comprensible
Hola, muchas gracias💛
Genial!! Muy facil de entender, excelente explicación 👍
Hola, muchas gracias ╰(*°▽°*)╯
¡Excelente trabajo! Este video me resolvió muchas dudas que tenía sobre el tema.
Genial 💙
Excelente vídeo, muchas gracias por la explicación!!
Gracias por comentar😁
Excelente forma de explicar el cómo interpretar este tipo de análisis ¡Gracias!
╰(*°▽°*)╯
De las mejores explotaciones de SPSS que he encontrado!
Muchísimas gracias😍
Excelente video con una muy buena explicación 👏
Hola, muchas gracias❤️
Interesante el análisis de componentes principales, ¡gracias!
De nada😍
Muy buen video profe y muy buena explicación gracias
Hola, muchas gracias😊
Buen día, gracias por la explicación, muy detallada!👍🏼
¡Eres genial por tomarte el tiempo de comentar!
Gracias por el video, explica muy bien!
Gracias a ti👌
Excelente video, me resolvió mucho de mis dudas
Ese es el objetivo mi estimado ^_^
Gracias por la explicación, buen video
Gracias por comentar❤️
La mejor explicación para entender SPSS
👍😊😀
Muy buena explicación. Excelente. Gracias por facilitarnos el trabajo con la estadística a los que nos cuesta más entenderla y, sobre todo, aplicarla.
Gracias por comentar 🖤
Buen video, me gusto la explicación
Excelente❤️
La explicación fue muy clara, gracias!
Gracias por comentar😃
Excelente explicación! Gracias ☺️
Gracias por comentar😉
Muy clara la capsula gracias
🥰
Muy buena explicación
Hola, muchas gracias.
Muchas gracias por la explicación profe
Gracias a ti
Saludos , Excelente video
Saludos y gracias (●'◡'●)
muchas gracias por la explicación, fue totalmente clara y al punto, me resolviste todas mis dudas
Excelente, gracias por visitar el canal.
Saludos😉
Gracias por la explicación maestro!
Gracias por comentar😄
Muy buena explicación 👏🏼
Gracias! 😊
Excelente. Muy claro. Ojalá pudieras incorporar un análisis de escalamiento multidimensional. Gracias y Feliz navidad!
¡Muchas gracias por tus palabras y tus buenos deseos de Navidad! Me alegra saber que la explicación fue clara y útil. En cuanto a tu sugerencia sobre incluir un análisis de escalamiento multidimensional (MDS), definitivamente lo consideraré para futuras publicaciones. El MDS es una técnica poderosa para visualizar la similitud o disimilitud de datos en un espacio de pocas dimensiones, lo que puede ser muy revelador en ciertos contextos de análisis. ¡Feliz Navidad y próspero Año Nuevo!"
@@Elias_Alvarado Muy cierto. Yo lo aplico en marketing y comportamiento del consumidor, pero aplica a mútiples disciplinas. La comunidad lo agradecerá. Que tengas un 2024 pleno de logros.
Super bien explicado
Gracias por comentar😀
Que buen video 👍
Thanks (❁´◡`❁)
Muy buen video entendi mejor el tema muchas gracias
Gracias a ti💕
Excelente explicación, gracias
Gracias por comentar🤗
Excelente video, recomendado
Gracias😉
Buena explicación!!
Gracias😊
Buena explicación
Gracias 😊
Muy buen video!
Gracias🥰
Bro, buenos días, podrías subir un tutorial de estadística descriptiva con R
¡Por supuesto que sí!
Mi meta a corto plazo es llevar a cabo análisis relevantes en Estadística y Econometría, utilizando Stata y RStudio😉
Porque la determinantes debe ser 1?
La determinante de la matriz de correlación se utiliza como un indicador de multicolinealidad. Este valor debe ser mayor a 0, ya que:
1. Si la determinante es 0 o muy cercana a 0, indica que hay una alta correlación entre las variables (multicolinealidad). En ese caso, el análisis de componentes principales podría no ser adecuado, ya que la matriz de correlación no sería invertible.
2. Si la determinante es igual a 1, significa que las variables no están correlacionadas entre sí (es decir, son completamente independientes). Esto es raro en estudios reales porque generalmente las variables están relacionadas en cierto grado.
3. Valores entre 0 y 1 indican un nivel aceptable de correlación. En este rango, el ACP es aplicable siempre que el valor sea suficientemente distinto de 0.
En resumen, la determinante no necesariamente debe ser 1. Lo importante es que no sea demasiado baja, ya que eso indicaría problemas de multicolinealidad. SPSS nos ayuda a identificar este problema y, si es necesario, se pueden realizar ajustes como eliminar variables redundantes o realizar una rotación.
Saludos 😊
Me sale en 3D mi matriz :/ Y con 4 factores Ayuda!!
Con gusto...Pero, ¿Cuál es la duda?🤔
Graciass por esta gran explicación 🙏
Lo hago con mucho gusto😋
Muchas gracias por el video, gran explicación!
Gracias por comentar🙂
Muy buena explicación
Hola, muchas gracias👍