Cargamos paquetes

if(!require(psych)) install.packages(“psych”) if(!require(GPArotation)) install.packages(“GPArotation”) if(!require(dplyr)) install.packages(“dplyr”)

library(psych) library(GPArotation) library(dplyr)

Selección de datos numéricos

Asegúrate que ‘corp_rep_data’ ya esté cargado en tu R

mis_datos <- corp_rep_data %>% select_if(is.numeric) 2. TEST DE ADECUACIÓN MUESTRAL Pruebas de KMO y Esfericidad de Bartlett para verificar la factibilidad del análisis.

Fragmento de código

Ejecución de KMO

kmo_resultado <- KMO(mis_datos) print(kmo_resultado$MSA)

Ejecución de Bartlett

bartlett_resultado <- cortest.bartlett(cor(mis_datos, use = “pairwise.complete.obs”), n = nrow(mis_datos)) print(bartlett_resultado$p.value) 3. ANÁLISIS FACTORIAL EXPLORATORIO (AFE) Extracción de factores y visualización de la estructura.

Fragmento de código

Realizamos el AFE con 4 factores y rotación promax

num_factores <- 4 modelo_afe <- fa(r = mis_datos, nfactors = num_factores, rotate = “promax”, fm = “minres”)

Diagrama visual

fa.diagram(modelo_afe, cut = 0.4, main = “Estructura Factorial”) 4. PRUEBA DE HARMAN (CMB) Evaluación del sesgo de método común. El primer factor debe ser < 50%.

Fragmento de código

Análisis de Componentes Principales

pca_res <- prcomp(mis_datos, scale. = TRUE) varianza_pct <- (pca_res\(sdev^2 / sum(pca_res\)sdev^2)) * 100 var_f1 <- varianza_pct[1]

cat(“Varianza Factor 1:”, round(var_f1, 2), “%”)

Gráfico de barras

barplot(var_f1, main=“Prueba de Harman”, ylab=“% Varianza”, col=“red”, ylim=c(0,100), width=0.1) abline(h=50, col=“blue”, lty=2)