3.2. Confiabilidad y Validez.
El coeficiente Alfa de Cronbach obtenido fue de 0.9050 (para 50 variables con 94 casos) sin valores perdidos porque cada uno de los entrevistados respondió a todas las preguntas, ya que se trabajó en la modalidad de entrevista personal cara a cara, destinando un tiempo promedio de 60 minutos para cada participante. El valor Alfa, significa que el instrumento diseñado para explicar la competitividad agrícola de los productores de gramíneas en el Bajío mexicano posee una considerable confiabilidad, este coeficiente varía entre 0 y 1 (esto equivale a nula confiabilidad y absoluta confiabilidad) y se refiere al grado en que un instrumento provoca resultados consistentes a través del tiempo como medida de estabilidad (Hernández, 2009).
Al hacer el análisis de fiabilidad Alfa-Cronbach de los factores internos el resultado fue de 0.8603 (para 24 variables y 94 casos), mientras que el valor obtenido para los factores externos fue de 0.8503 (de las 26 variables con 94 casos). En ambos casos se puede considerar un resultado alto de acuerdo con Hernández Sampieri et al. (2006).
El valor alfa es sensible principalmente a los siguientes considerandos:
Tabla 27. Coeficientes Alfa para los Factores Internos y Externos
Dimensión |
Casos |
Items |
Alfa |
Consideración |
Factores Internos (FI) |
94 |
24 |
0.8603 |
Alta |
Factores Externos (FE) |
94 |
26 |
0.8503 |
Alta |
Factores Internos y Externos (FI y FE) |
94 |
50 |
0.9050 |
Elevada |
Fuente: Elaboración propia con base en los resultados obtenidos en SPSS
(*) n= número de ítems empleado en cada dimensión.
(**) Las consideraciones son apreciaciones subjetivas apoyadas en investigaciones de diversos autores (Hernández Sampieri et al., 2006).
Con respecto a la Consideración, no existe una regla general que indique la escala correcta, pero de acuerdo con Hernández et al. (2006), se puede decir que 0.25 en el coeficiente alfa indica una baja confiabilidad; si el resultado es de 0.50, la fiabilidad es de rango medio o regular; en cambio, si supera 0.75 se considera aceptable, y cuando es mayor a 0.90 es elevada y merece tomarse en cuenta. De los resultados discutidos por Aragón y Rubio (2005), mencionan que un coeficiente Alfa-Cronbach por encima de 0.6 se considera aceptable y citan a Churchill (1991), quien afirma que tratándose de nuevas variables con un valor de 0.5 es posible aceptar su fiabilidad. Los datos aquí comentados tienen el propósito de sugerir que el investigador debe calcular su valor, reportarlo y someterlo al escrutinio de los usuarios del estudio o bien a la revisión de otros investigadores interesados en darle continuidad al tema analizado.
Tabla 28. Coeficientes Alfa para cada uno de los Factores Internos
0.854 |
FI- Calidad del Producto y Servicio |
0.849 |
FI- Capacidad de Comercialización |
0.854 |
FI- Capacidad Financiera |
0.859 |
FI- Desarrollo de Innovaciones |
0.860 |
FI- Formación Gerencial |
0.857 |
FI- Gestión de Recursos Humanos |
0.853 |
FI- Posición Tecnológica |
0.853 |
FI- Tecnologías de Información y Comunicación |
Fuente: Elaboración propia con base en los resultados obtenidos en SPSS
Tabla 29. Coeficientes Alfa para cada uno de los Factores Externos
0.860 |
FE- Balanza Comercial Agropecuaria |
0.850 |
FE- Cadenas Agroalimentarias |
0.851 |
FE- Centros de Acopio, Almacenaje y Fletes |
0.862 |
FE- Entorno Específico (cultivo de gramíneas bajo riego) |
0.852 |
FE- Entorno General (situación del país y del mundo) |
0.850 |
FE- Grupo Estratégico (participación o involucramiento) |
0.857 |
FE- Márgenes de Comercialización (nivel de intermediación) |
0.866 |
FE- Redes Sociales y de Contacto |
Fuente: Elaboración propia con base en los resultados obtenidos en SPSS
La validez del constructo se evaluó mediante un análisis exploratorio de factores, en donde se hallaron 23 variables “Eigen Value” o de autovalores mayores al uno por ciento de la varianza, significando que estas variables contribuyen para explicar más del 90% de la varianza total (acumulada); sin embargo de acuerdo con Valdez (2003), es recomendable elegir solamente las primeras variables cuya carga sea de 1.000 ó mayor; este criterio se apoya en la claridad conceptual de las variables y en el punto de quiebre de la varianza; ofreciendo un elemento más definido en el análisis; para el caso particular de esta investigación, corresponde a las primeras 15 variables el respectivo punto de quiebre (ver la tabla siguiente).
Tabla 30. Análisis exploratorio de Variables |
||||||
Compo-nente |
Autovalores Iniciales |
Sumas de las saturaciones |
||||
Total |
% de la |
% |
Total |
% de la |
% |
|
1 |
10.106 |
20.211 |
20.211 |
10.106 |
20.211 |
20.211 |
2 |
4.460 |
8.920 |
29.132 |
4.460 |
8.920 |
29.132 |
3 |
3.925 |
7.850 |
36.982 |
3.925 |
7.850 |
36.982 |
4 |
2.921 |
5.843 |
42.825 |
2.921 |
5.843 |
42.825 |
5 |
2.813 |
5.626 |
48.452 |
2.813 |
5.626 |
48.452 |
6 |
2.455 |
4.910 |
53.362 |
2.455 |
4.910 |
53.362 |
7 |
2.245 |
4.490 |
57.852 |
2.245 |
4.490 |
57.852 |
8 |
1.785 |
3.570 |
61.422 |
1.785 |
3.570 |
61.422 |
9 |
1.661 |
3.322 |
64.744 |
1.661 |
3.322 |
64.744 |
10 |
1.583 |
3.166 |
67.910 |
1.583 |
3.166 |
67.910 |
11 |
1.430 |
2.860 |
70.770 |
1.430 |
2.860 |
70.770 |
12 |
1.267 |
2.533 |
73.303 |
1.267 |
2.533 |
73.303 |
13 |
1.133 |
2.267 |
75.570 |
1.133 |
2.267 |
75.570 |
14 |
1.065 |
2.129 |
77.700 |
1.065 |
2.129 |
77.700 |
15 |
1.011 |
2.023 |
79.722 |
1.011 |
2.023 |
79.722 |
16 |
.948 |
1.895 |
81.618 |
|
|
|
17 |
.852 |
1.704 |
83.322 |
|
|
|
18 |
.794 |
1.588 |
84.910 |
|
|
|
19 |
.719 |
1.438 |
86.348 |
|
|
|
20 |
.694 |
1.388 |
87.736 |
|
|
|
21 |
.644 |
1.287 |
89.023 |
|
|
|
22 |
.556 |
1.112 |
90.136 |
|
|
|
23 |
.509 |
1.017 |
91.153 |
|
|
|
Fuente: Elaboración propia con base en los resultados obtenidos en SPSS |
Del resultado generado de 15 factores con carga de 1.011 o superior, solamente uno de ellos reportó un peso alto de 10.106 y una varianza explicada de 20.21%, se observa también un segundo factor con carga media de 4.460 y 8.92% de la varianza explicada, el tercer factor tiene un peso de 3.925 y una varianza de 7.85%, de igual forma se obtuvieron otros 4 valores adicionales con cargas de 2.000, y en conjunto los siete factores explican el 57.85% de la varianza acumulada. El resto de los datos, muestran cargas menores pero con valores superiores a 1.000; es decir, de acuerdo con la estructura obtenida, Hernández Sampieri (2008) sugiere categorizarlos como tres factores principales (sobre todo el primero), cuatro factores menores y ocho secundarios, lo cual indica que 15 factores pueden explicar el 79.72% de la varianza acumulada.
La prueba utilizada para la determinación de la Validez o No Validez del Modelo de Regresión Múltiple, se le conoce como Prueba Global (Mason y Lind, 1998; 658-660). Básicamente, investiga si todas las variables independientes tienen coeficientes netos de regresión iguales a cero, lo que equivaldría a presuponer que la variación explicada (R2) se deba al azar. En la presente investigación existen 16 Factores o Dimensiones bajo estudio (variables compuestas) y los coeficientes correspondientes a los parámetros tienen la simbología b1,b2,b3,b4,…bk, por lo que la representación de la Hipótesis Nula es:
Ho: b1 = b2 = b3 = b4 =….. = bk = 0
Por lo tanto, la Hipótesis Alternativa es:
H1: No todas las b1, b2, b3, b4,…bk son = 0
Para probar la hipótesis nula de que todos los coeficientes de regresión son todos igual a cero, se debe aplicar la Prueba de F con un nivel de significancia de 0.05, donde el valor crítico es el punto que separa la región de aceptación o de rechazo. La regla de decisión para la Prueba Global es rechazar la Hipótesis Nula cuando el Valor Calculado para F es mayor a su Valor Crítico de F. En esta investigación, los Valores Calculados para F en las cuatro Regresiones de los análisis que se corrieron en SPSS resultaron ser mayores al Valor Critico de F, por lo que se rechaza la hipótesis nula de que todos los coeficientes de regresión son cero y consecuentemente se acepto la Hipótesis Alternativa. Desde un punto de vista práctico, esto significa que las variables independientes tienen la capacidad de explicar la variación en la variable dependiente.
Considerando que la escala es fiable y válida, se ha definido la variable dependiente como un Indicador Global Multifactorial que contribuye para explicar la competitividad agrícola de las unidades de producción rural del sector agrícola con vocación comercial, que cultivan gramíneas en el Bajío mexicano, a través de dos criterios diferentes:
Tabla 31. Criterios utilizados para definir la Variable Dependiente
Criterio Utilizado |
Variable Dependiente: |
Variables Independientes: |
Representación Conceptual |
||
Indicador Global Multifactorial |
Rango de: |
Factores Internos (FI) |
Factores |
||
“i” |
Suma de factores de los valores individuales para las 50 variables simples. |
Mín. 50 |
24 variables simples que corresponden a los FI |
26 variables simples que corresponden a los FE |
FI + FE |
“ii” |
Multiplicación entre los factores de los valores promediados para las 16 variables compuestas. |
Min. 1 |
Son 8 variables compuestas correspondientes a los FI |
Son 8 variables compuestas correspondientes a los FE |
FI * FE |
Fuente: Elaboración propia.
Como es de esperarse, las puntuaciones cercanas al valor máximo serán las variables que contribuyan mejor para explicar el concepto de competitividad agrícola.