frames: Press CTRL + ALT + F to advance each video 50 frames from its

La caracterización de los grupos del estudio, se realizó de acuerdo a los resultados obtenidos después del análisis de correspondencias múltiples (ACM).

Para presentar los resultados se procedió a realizar el análisis (ACM) y determinar las variables con mayor significancia o que entregaron más aporte, quedando 42 de las inicialmente incorporadas.

Para describir el resultado del análisis se estudió la inercia asociada a los factores, interpretación de los ejes y planos factoriales, análisis de los grupos de productores y obtención de la variable jerárquica de éstos.

4.1.1 Estudio de la inercia asociada a los factores. De acuerdo a los antecedentes que aparecen en el ANEXO 5, donde están los valores propios asociados al análisis factorial, se observa que se necesitan 9 ejes para conservar el 81% de la inercia. Cabe recordar que de acuerdo a lo señalado por MOREIRA y SMITH (2002), se consideran las coordenadas sobre un número de ejes correspondiente a una varianza acumulada de 80%, y que según HAIR et

al.(1999) y BECUE (2002), este número de ejes factoriales que conserva un

porcentaje cercano al 80% de la inercia, es habitual en el análisis de correspondencias múltiples ya que la variabilidad inicial suele ser elevada.

Se analizaron los dos primeros ejes factoriales, es decir el primer plano factorial, para considerar los ejes que mayor información aportan al estudio. En el CUADRO 7 se aprecia que el primer y segundo eje aportan un 24,80 y 11,99% a la inercia respectivamente, lo que representa un porcentaje

importante dentro de esta metodología, siendo el eje 1 el que aporta en mayor cantidad.

CUADRO 7. Valores propios del análisis de correspondencia.

Número Valor propio Porcentaje Porcentaje acumulado

1 0,5235 24,80 24,80

2 0,2532 11,99 36,79

3 0,1819 8,62 45,41

4 0,1626 7,70 53,11

4.1.2 Interpretación de los ejes y planos factoriales. Las variables que constituyen el segundo eje son aquellas que presentan mayor contribución a la tabla de inercia (ver CUADRO 8 y ANEXO 5).

CUADRO 8. Contribuciones a la inercia para ambos ejes (%).

Modalidad Eje I Modalidad Eje II

Sistema de ordeño mecánica 12,2 Enfriamiento por estanque 14,4 Lugar de ordeño, sala 11,2 Rango de volumen > 10000 14,4 Uso de detergente ácido 10,0 Tratamiento al aparecer síntoma 13,2 Dipping todas las vacas 8,2 Predio sin enfermedad reciente 11,4 Tipo piso cemento 9,8

Las variables que se encuentran en la parte positiva del primer eje describen sistemas que se caracterizan por realizar ordeño mecánico en sala con piso de cemento, además del uso de detergente ácido para lavar los equipos y aplicación de dipping (baño de pezones con solución sanitizante) al finalizar la ordeña a todas las vacas. En el lado negativo del segundo eje las variables caracterizan el uso de enfriamiento de la leche con estanque, con volúmenes de producción mensual mayor a 10.000 litros de leche, y hacen

tratamientos contra alguna enfermedad al aparecer los síntomas, y en el rebaño no se han detectado enfermedades recientemente.

La representación gráfica del primer plano del análisis de correspondencia múltiple, el cual captura el 24 % de la variabilidad asociada a las variables cualitativas estudiadas, se presenta en la FIGURA 2. Además se presentan los productores en conjunto para establecer los grupos de caracterización.

Para interpretar un análisis de correspondencias múltiples (ACM), debe recordarse que la información sobre la cual se realiza el análisis proviene de las tablas de frecuencia construidas con los diferentes niveles de cada variable cualitativa, por ello que si algunas características aparecen "próximas" entre sí en la representación gráfica, debe interpretarse como que las frecuencias de ocurrencia de dichas características aparecen correlacionadas en la población (MOREIRA y SMITH, 2002).

HAIR et al (1999), señala que al ilustrar la similitud entre individuos gráficamente, en un primer intento se podría deducir una única escala de similitud y ajustar todos los individuos a esta escala. Por lo tanto, los objetos cercanos a la escala son más parecidos y aquellos más alejados son menos parecidos como se puede apreciar en la FIGURA 2.

Se realizó un análisis detallado del aporte de las variables y así se procedió a dejar las modalidades que caracterizaron mejor a los productores de acuerdo con lo que aparece en la FIGURA 2. La definición de cercanía no puede ser establecida en forma absoluta en este tipo de análisis. Además, debe recordarse que las técnicas multivariables aquí presentadas se utilizan para análisis descriptivos (MOREIRA y SMITH, 2002).

VIVANCO (1999), señala que gráficamente las variables que caracterizan los grupos deben estar distantes entre sí, y los objetos (en este caso los productores) deben estar cercanos entre sí. Esto se puede apreciar claramente en la FIGURA 2 por la disposición de las variables y los productores en el plano factorial.

FIGURA 2. Análisis de correspondencias múltiples. Primer plano factorial, primer y segundo eje.

Muy a menudo se suelen interpretar estos gráficos diferenciando en los cuatro cuadrantes (BECUE, 2002). En el análisis se pudo establecer relaciones muy estrechas. En el caso del cuadrante III se destacan los que poseen una producción superior a los 10.000 litros mensuales, la ordeña la realizan en sala con piso de cemento y sistema mecánico, en el lavado utilizan detergente ácido y disponen de estanque para enfriar la leche.

En el segundo cuadrante se ubicaron asociados los productores que hacen tratamiento a las vacas cuando en estas aparece alguna enfermedad, utilizan el dipping en todas las vacas en ordeña y realizan ordeña mecánica en piso de cemento.

Debe considerarse también que las caracterís ticas que se ubicaron con proximidad al origen de los puntos que representan a los distintos grados de dedicación a la producción de leche, indican que son características que generan poca varianza entre las diversas explotaciones. Los autores MOREIRA

y SMITH (2002), con respecto a esto señalan que las categorías o niveles de estas variables están distribuidas aproximadamente en forma aleatoria en la población, y, por ende, no ayudan a clasificar en grupos diferentes a los individuos (o en este caso los sistemas lecheros).