AFE, AFC, PCA

¿Cuál es el objetivo principal del Análisis de Componentes Principales (PCA)?

• Reducir la dimensionalidad de la variable interna

• Confirmar una estructura de factores predefinida

• Identificar relaciones causales entre variables

• Reducir la dimensionalidad de los datos

En el PCA, ¿qué representan los componentes principales?

• Factores latentes que explican relaciones subyacentes entre variables

• Nuevas variables derivadas de las originales, que explican la mayor parte de la varianza

• Las correlaciones entre las variables originales

• Una nueva muestra de datos generada a partir de la original

¿Cuál es la diferencia principal entre el AFE y el AFC?

• El AFE requiere datos categóricos, mientras que el AFC requiere datos continuos

• El AFE explora la estructura subyacente sin hipótesis previas, mientras que el AFC confirma una estructura predefinida

• El AFE siempre produce mejores resultados que el AFC

• El AFE utiliza menos datos que el AFC

En el contexto de PCA, ¿qué significa que un componente principal tenga una "varianza explicada" alta?

• Que ese componente es irrelevante para el análisis

• Que ese componente no está correlacionado con las variables originales

• Que ese componente principal captura una gran parte de la información de los datos originales

• Que ese componente debe eliminarse del análisis

¿Cuál es la principal diferencia entre PCA y AFE?

• El PCA se centra en maximizar la varianza explicada, mientras que el AFE busca identificar factores latentes

• El PCA requiere datos categóricos, mientras que el AFE requiere datos continuos

• El AFE es una técnica no supervisada, mientras que el PCA es supervisada

• El PCA no permite la rotación de componentes

En PCA, ¿cómo se determina cuántos componentes principales deben retenerse?

• Seleccionando automáticamente todos los componentes

• Aplicando una prueba T para cada componente

• Incluyendo todos los componentes sin importar su varianza explicada

• Utilizando la regla de un codo en la gráfica de Scree

¿Cuál es el objetivo del Análisis Factorial Confirmatorio (AFC)?

• Explorar relaciones latentes entre variables sin hipótesis previas

• Confirmar si los datos encajan con un modelo factorial previamente definido

• Identificar la varianza explicada por los componentes principales

• Reducir el número de variables a las más relevantes

En el estudio, ¿cuál de los siguientes factores NO se identificó como variable exógena que influye en la elección del lugar de residencia en Sudáfrica? "Factors influencing residential location choice in South
Africa: exploratory factor analysis (EFA) and confirmatory
factor analysis (CFA)"

• Autocongruencia de los hogares

• Características ecológicas de los edificios

• Relaciones entre las partes interesadas

• Estabilidad económica de la región

¿Cuál es el objetivo principal del análisis de componentes principales (ACP) y del análisis factorial exploratorio (AFE), tal como se exponen en el documento? Principal component analysis and exploratory factor analysis

• Reducir el número de variables conservando toda la información posible

• Aumentar el número de variables de un conjunto de datos

• Crear nuevas variables que no guarden ninguna relación con las variables originales

• Para analizar las relaciones entre variables categóricas solamente

Según el estudio, ¿cuál de los siguientes factores influye directa, positiva y significativamente en la elección del lugar de residencia en Sudáfrica?

• Nivel de ingresos personales

• Características del barrio

• Tasa de empleo en la zona

• Importancia histórica del lugar