El análisis factorial tiene un propósito diferente a otros métodos que tratan múltiples variables. Hemos calculado el análisis factorial de componentes principales global, incluyendo todas las variables, y parcial, con solo aquellas variables que han manifestado diferencias significativas; en nuestro caso, se ha excluido la ‘lengua habitual’. Además, se ha calculado con todas las variables juntas, dependientes e independientes, y también separadas por grupos. El desarrollo completo del cálculo puede verse en el Anexo VIII. Aquí vamos a comentar los aspectos más interesantes del proceso de cálculo en el que intervienen 21 variables; de ellas, diecisiete son áreas temáticas y cuatro, variables sociales.
El programa calcula, en primer lugar, la matriz de correlaciones entre todas las variables; dado que dichos resultados ya los conocemos por los coeficientes de correlación múltiple, comentados en el apartado anterior, pasamos a la siguiente fase. En segundo lugar, calcula la significación estadística de la matriz de correlaciones; también esta cuestión ha sido tratada en el apartado anterior (184 correlaciones significativas estadísticamente frente a 17 no significativas, lo que corrobora la fiabilidad de nuestra investigación). En tercer lugar, realiza el análisis de componentes principales. El cálculo determina el número de factores en función de los coeficientes de correlación entre las variables observadas y las variables fundamentales, así como de las varianzas comunes.
*** FACTOR ANALYSIS ***
Analysis number 1 Listwise deletion of cases with missing values
Extraction 1 for analysis 1, Principal Components Analysis (PC)
Initial Statistics:
Variable Communality Factor Eigenvalue Pct of Var Cum Pct
ALIBEB 1,00000 1 7,11486 33,9 33,9 ANIMALES 1,00000 2 1,95726 9,3 43,2 CAMPO 1,00000 3 1,47203 7,O 50,2 CASA 1,00000 4 1,16819 5,6 55,8 CIUDAD 1,00000 5 ,91265 4,3 60,1 COCINA 1,00000 6 ,79593 3,8 63,9 COLEGIO 1,00000 7 ,69559 3,3 67,2 COLORES 1,00000 8 ,68055 3,2 70,5 CUERPO 1,00000 9 ,65957 3,1 73,6 ESCUELA 1,00000 10 ,64271 3,1 76,7 ILCALVEN 1,00000 11 ,59247 2,8 79,5 JARDIN 1,00000 12 ,55268 2,6 82,1 JUEGOS 1,00000 13 ,52228 2,5 84,6 MESA 1,00000 14 ,51303 2,4 87,0 MUEBLES 1,00000 15 ,48614 2,3 89,4 PROFESIO 1,00000 16 ,45483 2,2 91,5 ROPA 1,00000 17 ,40807 1,9 93,5 SEXO 1,00000 18 ,39788 1,9 95,4 SOCIOLEC 1,00000 19 ,36850 1,8 97,1 TRANSPOR 1,00000 20 ,32297 1,5 98,7 UBICACIO 1,00000 21 ,28183 1,3 100,0 PC extracted 4 factors. Factor Matrix:
Factor 1 Factor 2 Factor 3 Factor 4
ALIBEB ,59337 -,25452 ,21042 ,07611 ANIMALES ,64372 ,36067 ,11088 ,00780 CAMPO ,70598 ,24989 -,15037 ,14409 CASA ,65653 -,19790 ,04575 ,03782 CIUDAD ,70489 ,32084 -,08891 -,02835 COCINA ,55674 -,31491 ,12518 -,09044 COLEGIO ,46774 ,23814 -,38809 -,30470 COLORES ,64733 ,19108 ,25424 -,32212 CUERPO ,51884 -,38513 -,20590 ,32918 ESCUELA ,52964 -,38388 -,02488 -,06122
ILCALVEN ,60902 -,21674 ,10710 ,29626 JARDIN ,67928 ,21619 ,06083 ,21985 JUEGOS ,67219 ,41379 -,03611 ,04310 MESA ,61973 -,40608 ,06585 ,00839 MUEBLES ,51640 -,46897 -,02215 ,01553 PROFESIO ,65794 ,43162 ,04284 -,14823 ROPA ,66218 -,20616 ,18851 ,02319 SEXO ,22435 -,13220 ,588244 -,62957 SOCIOLEC -,40306 ,12168 ,52426 ,28620 TRANSPOR ,63573 ,21130 -,23768 ,13883 UBICACIO -,03746 ,33803 ,61617 ,40512
Podemos observar la existencia de cuatro factores, que explican conjuntamente el 55.8% de la varianza. La importancia de cada factor en dicha varianza viene señalada por su valor propio (Eigenvalue) y quedan descartados los que presentan valores inferiores a 1.00.
Posteriormente, calcula la comunalidad (communality) de cada variable, es decir, la contribución asociada de cada variable con el factor correspondiente.
Final Statistics:
Variable Communality Factor Eigenvalue Pct of Var Cum Pct
ALIBEB ,46693 1 7,11486 33,9 33,9 ANIMALES ,55681 2 1,95726 9,3 43,2 CAMPO ,60422 3 1,47203 7,0 50,2 CASA ,47373 4 1,16819 5,6 55,8 CIUDAD ,60851 COCINA ,43298 COLEGIO ,51894 COLORES ,62394 CUERPO ,56828 ESCUELA ,43225 ILCALVEN ,51712 JARDIN ,56019 JUEGOS ,62622 MESA ,55337 MUEBLES ,48734 PROFESIO ,64300 ROPA ,51706 SEXO ,80341 SOCIOLEC ,53403 TRANSPOR ,52457 UBICACIO ,65945
Para facilitar la interpretación de las contribuciones de explicación de la varianza se efectúa una rotación mediante el método VARIMAX y se obtienen los pesos o contribuciones de cada variable con su factor correspondiente.
VARIMAX converged in 5 iterations
Rotated Factor Matrix:
Factor 1 Factor 2 Factor 3 Factor 4
ALIBEB ,24123 ,62040 ,07060 ,13733 ANIMALES ,70479 ,19542 -,07140 ,12958 CAMPO ,69786 ,30591 -,08870 -,12554 CASA ,33624 ,59060 -,07823 ,07624 CIUDAD ,73462 ,22689 -,12315 ,04698 COCINA ,17292 ,58918 -,09744 ,21553 COLEGIO ,51740 ,02229 -,49689 ,06205 COLORES ,56757 ,26473 -,03710 ,47995 CUERPO ,13772 ,65651 -,12971 -,31856 ESCUELA ,11798 ,60371 -,20907 ,10075 ILCALVEN ,29460 ,63764 ,11903 -,09787 JARDIN ,64313 ,35904 ,11724 -,06261 JUEGOS ,77386 ,16363 -,01763 ,01654 MESA ,16392 ,70774 -,11599 ,11024 MUEBLES ,05276 ,67145 -,17895 ,04103 PROFESIO ,76262 ,11130 -,05787 ,21371 ROPA ,32364 ,61775 ,02331 ,17366 SEXO ,00429 ,18880 ,04323 ,87514 SOCIOLEC -,23405 -,21431 ,65727 ,03623 TRANSPOR ,62674 27211 -,15799 -,18098 UBICACIO ,17665 -,08203 ,78757 ,03590
Factor Transformation Matrix:
Factor 1 Factor 2 Factor 3 Factor 4
Factor 1 ,72188 ,66655 -,14525 ,11619
Factor 2 ,68711 -,69743 ,20318 -,01401
Factor 3 -,07233 ,14594 ,78663 ,59555
Factor 4 ,03922 ,21910 ,56465 -,79475
Esta rotación nos permite jerarquizar la varianza explicada por cada factor así como la contribución de las distintas variables, sin olvidar que el número de factores ha de ser reducido y en orden decreciente:
Factor 1, explica el 33.9% de la varianza total.
La comunalidad (contribución) más alta corresponde a los centros de interés: ‘Juegos y distracciones’ (0.773), ‘Profesiones y oficios’ (0.762), ‘La ciudad’ (0.734), ‘Animales’ (0.704), ‘El campo’ (0.697), ‘Trabajos del campo y del jardín’ (0.643), ‘Medios de transporte’ (0.626) y ‘Colores’ (0.567).
Y a la variable social ‘tipo de enseñanza’ (0.517).
Se trata, pues, de las variables dependientes que mejor describen y más ayudan a explicar la estratificación sociolectal de esta comunidad en el comportamiento léxico, así como del factor extralingüístico con mayor peso específico en el inventario léxico obtenido.
Factor 2, explica el 9.3% de la varianza total.
La comunalidad más alta corresponde ahora a los estímulos ‘Los muebles de la casa’ (0.671), ‘Objetos colocados en la mesa para la comida’ (0.707), ‘Partes del cuerpo’ (0.656), ‘Iluminación, calefacción y ventilación’ (0.637), ‘Alimentos y bebidas’ (0.620), ‘La ropa’ (0.617), ‘La escuela’ (0.603), ‘Partes de la casa’ (0.590) y ‘La cocina y sus utensilios’ (0.589). Se comprueba que estos centros de interés presentan también una comunalidad alta en su contribución a la varianza explicada por este factor; sin embargo, se trata de áreas temáticas que tienen menor peso específico en la estratificación sociolectal del léxico disponible.
Factor 3, que explica el 7.0% de la varianza total. La mayor contribución procede de las variables ‘lugar de residencia’ (0.787) y ‘nivel sociocultural’ (0.657)
Factor 4, que explica el 5.6% de la varianza. La comunalidad más alta y la única contribución es de la variable ‘sexo’.
En síntesis, se ha comprobado que hay un conjunto de ocho centros de interés que contribuyen mejor a describir la estratificación sociolectal del léxico disponible, mientras que la aportación de los ocho restantes es mucho menor. Y las variables sociales que mejor explican las diferencias en el inventario léxico de la provincia de Valencia son: ‘tipo de enseñanza’ (es el factor más discriminante del comportamiento léxico), ‘nivel sociocultural’ y ‘lugar de residencia’, ambos con alto valor discriminante, y ‘sexo’, con una valor discriminante sustancial.
4.5.5. Conclusiones
Es evidente que los valores obtenidos en el punto 4.4.1. quedan complementados, bien sea matizados o modificados, bien sea corroborados, con los hallados en estos análisis estadísticos, ya que en ambos casos la finalidad es sociolingüística, conocer la incidencia de los factores sociales en el léxico disponible. Cada uno de los análisis ahora realizados responde a un objetivo particular, si bien es cierto que el estudio de las correlaciones podría eliminarse al quedar integrado en el análisis factorial de componentes principales, dado que esta técnica toma como base la matriz de correlaciones. Veamos lo más relevante que cada uno de ellos ha aportado.
El análisis factorial simple nos ha indicado, de un lado, la mejor correlación (dependencia funcional) entre cada centro de interés y las distintas variables sociales, y, de otro, la inferencia estadística que podíamos obtener en las diferentes covariaciones. Los valores hallados indican que la mayor proporción de covarianza es significativa estadísticamente, lo que otorga una alta fiabilidad a esta investigación. Y en cuanto a las correlaciones entre el conjunto de áreas temáticas y cada factor social, la variable con mayor correlación es ‘tipo de enseñanza’, seguida de ‘nivel sociocultural’, después y ya en menor medida, ‘sexo’ y ‘lugar de residencia’, y con escasa correlación ‘lengua habitual’, valores que complementan, aunque con ligeras modificaciones, la significación estadística hallada en el punto 4.4.2., que establecía la gradación de las diferencias entre Medias sociológicas: nivel sociocultural, tipo de enseñanza, sexo, lugar de residencia y lengua habitual.
El análisis de regresión lineal múltiple explica el comportamiento léxico presuponiendo una relación de causalidad entre las variables explicativas (factores extralingüísticos) y las explicadas (cada área temática). Las variables sociológicas con mayor valor de predicción en el inventario léxico obtenido, es decir, las que más han contribuido a la disponibilidad léxica de los valencianos, son, por orden decreciente: tipo de enseñanza (asociada con dieciséis centros de interés), nivel sociocultural (asociado con quince), sexo (asociada con doce), lugar de residencia (asociada con cuatro) y lengua habitual (asociada con tres), valores que se corresponden con las correlaciones particulares señaladas en el párrafo anterior.
Por su parte, los coeficientes de correlación múltiple indican que el grado de asociación entre todas las variables independientes y las dependientes no es muy alto. Si bien predominan las correlaciones marcadas o sustanciales (valores entre +/- 0.40 y +/- 0.70), se observa una correlación muy baja entre:
- tipo de enseñanza y cuatro centros de interés (‘Partes del cuerpo’, ‘Objetos colocados en la mesa’, ‘Iluminación, calefacción y ventilación’ y ‘Los muebles de la casa’);
- sexo y cuatro áreas nocionales (‘La escuela’, ‘Iluminación, calefacción y ventilación’, ‘Partes del cuerpo’ y ‘Medios de transporte’);
- lugar de residencia y seis áreas temáticas (‘Medios de transporte’, ‘Partes del cuerpo’, ‘La escuela’, ‘Colores’, ‘Iluminación, calefacción y ventilación’ y ‘La ropa’);
- lengua habitual y quince centros de interés.
Desde la perspectiva sociológica, también se muestran correlaciones muy bajas entre: - sexo, lugar de residencia y tipo de enseñanza;
- nivel sociocultural y sexo;
- tipo de enseñanza y lengua habitual; - lugar de residencia y tipo de enseñanza;
lo que confirma, junto a la leve correlación entre los factores extralingüísticos, pues actúan con mayor carácter específico que agrupado, cierta dificultad para corroborar plenamente la teoría del déficit, puesto que el tipo de enseñanza presenta una correlación casi inexistente con el lugar de residencia (la institución privada acoge alumnos de cualquier área geográfica), con la lengua habitual (monolingües y bilingües asisten a los colegios), con el sexo (chicos y chicas estudian en los colegios), y solo mantiene una correlación algo marcada con el nivel sociocultural (0.349), lo cual pone de manifiesto cierta dependencia funcional entre ambas variables, pero no muy alta. Una interpretación plausible es que en el peso específico que demuestra la variable ‘tipo de enseñanza’ intervienen junto a factores socioculturales, otros que también son relevantes, entre ellos, la actitud del alumno (motivación, competitividad, etc.) y factores externos (exigencia académica por parte del profesorado, control sistemático, desarrollo curricular de las lenguas, etc.). Es decir, las diferencias cognitivas manifestadas en esta prueba de disponibilidad léxica están condicionadas tanto por la competencia comunicativa real (fatiga, distracción, ...) como por diferencias socioculturales, actitudinales y escolares.
Y desde la perspectiva funcional, cabe destacar el alto grado de asociación correlacional observado entre ciertos grupos de áreas temáticas, por ejemplo, entre:
- ‘Animales’, ‘El campo’, ‘Profesiones y oficios’, ‘Juegos y distracciones’, ‘Medios de transporte’ y ‘Colores’;
- ‘El campo’, ‘La ciudad’, ‘Medios de transporte’, ‘Trabajos del campo y del jardín’, ‘Profesiones y oficios’ y ‘Juegos y distracciones’;
- ‘Alimentos y bebidas’, ‘La ropa’, ‘Los muebles de la casa’ y ‘Partes del cuerpo’; - ‘Partes de la casa’, ‘La ropa’ y ‘La cocina y sus utensilios’;
- ‘Objetos colocados en la mesa para la comida’, ‘La ropa’ y ‘La escuela’.
Por último, el análisis factorial de componentes principales agrupa en cuatro factores la explicación del 55.8% de la varianza total; consideramos que se trata de una proporción importante y, además, indica que el factor 1 explica el 33.9% de dicha varianza, por lo cual, las variables asociadas con dicho factor demuestran una especial relevancia. Observadas las comunalidades, comprobamos que esta contribución corresponde a ocho áreas temáticas y a una variable social. Las áreas temáticas son: ‘Juegos y distracciones’, ‘Profesiones y oficios’, ‘La ciudad’, ‘Animales’, ‘El campo’, ‘Trabajos del campo y del jardín’, ‘Medios de transporte’ y ‘Colores’, variables todas ellas que ya habían reflejado un alto grado de asociación en los dos primeros grupos de correlación múltiple. Ello lo interpretamos como las variables que mejor describen la estratificación sociolectal y que más ayudan en la explicación sociolingüística del léxico disponible obtenido; no obstante, es necesario recordar que en la significación estadística de las diferencias entre Medias, ‘La ciudad’ y ‘Animales’ permiten mejor inferencia estadística que las demás. Por su parte, la variable sociológica integrada en este factor es ‘tipo de enseñanza’, lo que corrobora el peso específico y la importancia de esta variable en la diferenciación del comportamiento léxico, mucho mayor que la del nivel sociocultural.
Los factores 2, 3 y 4 pueden interpretarse así: el factor 3 agrupa las nueve áreas temáticas restantes, también con un alto grado de contribución; pero la proporción de varianza que explican (9.3%) determina su menor peso en la estratificación sociolectal, aunque la significación de las diferencias entre promedios cuantitativos clasifica a varias de ellas como muy significativas estadísticamente. Una conclusión que cabe destacar es que los diecisiete centros de interés han quedado perfectamente agrupados en dos bloques. Por su parte, el factor 3 señala cuáles son las otras dos variables sociales que más han contribuido a la variación léxica. Se trata del nivel sociocultural y del lugar de residencia; dado que solo explican el 7.0% de la varianza total, y teniendo en cuenta las aportaciones de otros cálculos anteriores, establecemos como más relevante el nivel sociocultural y, después, el lugar de residencia115. Y por último, el factor 4 al que está asociada únicamente la variable ‘sexo’.
Resumiento lo anterior, éstas serían las tres conclusiones más relevantes:
115
Como puede comprobarse en el Anexo VIII, 2, al realizar el análisis factorial global, ‘lugar de residencia’, nivel sociocultural’ y ‘sexo’ se asocian con el factor 3, que explica el 6.6% de la varianza total; asimismo, la variable ‘lengua habitual’ es la única asociada al factor 6, que explica el 4.4% de la varianza total.
a) Los valores de ‘p’ hallados (significación estadística) rechazan, casi en su totalidad (184 correlaciones significativas y 17 no significativas), la hipótesis nula, es decir, que los resultados de la investigación puedan ser debidos al azar o a otras causas accidentales. Ello permite generalizar estas conclusiones al conjunto de la población estudiantil.
b) La contribución de las variables sociológicas establecidas para la diferenciación del comportamiento léxico en el inventario obtenido es la siguiente: en primer lugar, tipo de enseñanza, variable con alto valor discriminante; en segundo orden, nivel sociocultural, también con elevado carácter diferenciador; a continuación, lugar de residencia y sexo, variables que también ejercen un carácter discriminante sustancial; por último, y a pesar de que la mayoría de los promedios cuantitativos léxicos relacionados con la variable lengua habitual no sean significativos estadísticamente, esta variable también interviene en la explicación del 4.4% de la varianza total. Todo lo anterior demuestra la utilidad de las variables sociológicas predeterminadas.
c) Finalmente, las áreas temáticas que, desde el punto de vista sociolingüístico, mejor describen la estratificación sociolectal son ‘La ciudad’, ‘Animales’, ‘Juegos y distracciones’, ‘Profesiones y oficios’, ‘Colores’, ‘Trabajos del campo y del jardín’, ‘El campo’ y ‘Medios de transporte’, conclusión que no coincide totalmente con la contribución de estos centros de interés al inventario del léxico disponible desde la perspectiva léxico-estadística, ni coincidirá, probablemente, con la que obtendremos después desde el punto de vista psicolingüístico.
Ello debe hacernos tener presente que si bien estas divergencias son enriquecedoras pues matizan las valoraciones globales, reflejan conclusiones diferentes porque responden a objetivos y a disciplinas diferentes.