Abstract—-
Based
on
the
review
and
research
on
the
teleworking
modality
and
the
variables
that
impact
it
at
the
organizational
level,
such
as
quality
of
life,
communication,
organizational
culture
or
productivity,
a
case
study
is
proposed
under
the
innovation
and
teleworking
model
of
a
company.
Japanese
automotive
industry
for
the
application
of
Multivariate
Analysis
techniques
such
as
Principal
Component
Analysis
and
Linear
Regression,
in
order
to
condense
the
information
provided
by
multiple
variables
into
principal
components
and
validate
the
relationships
and
impact
that
exist
between
them,
thus
determining
the
interdependence
and
correlation
of
the
same
with
the
telework
variable,
allowing
to
simplify
the
complexity
of
sample
spaces
with
many
dimensions.
It
was
possible
to
identify
the
main
components
with
the
variables'
own
labels
and
the
dependent
and
predictive
variables
of
the
case
were
statistically
validated,
through
the
use
of
the
IBM
SPSS
software.
Keywords:
telecommuting,
multivariate
analysis,
principal
components.
Análisis
multivariante
del
impacto
e
interdependencia
del
teletrabajo
con
variables
de
productividad,
eficiencia,
eficacia,
satisfacción
laboral
y
conocimiento
en
herramientas
digitales:
un
caso
de
e
s
t
u
d
i
o
.
I
S
S
N
-
E
:
2
6
9
7
-
3
6
5
0
Minerva
Journal
V
o
l
.
3
,
I
s
s
u
e
.
8
,
(
p
p
.
4
2
-
5
3
)
Alviarez. Análisis multivariante del impacto e interdependencia del teletrabajo con variables de productividad,
eficiencia, eficacia, satisfacción laboral y conocimiento en herramientas digitales: un caso de estudio.
Resumen—
A
partir
de
la
revisión
e
investigación
sobre
la
modalidad
del
teletrabajo
y
las
variables
que
lo
impactan
a
nivel
organizacional,
como
calidad
de
vida,
comunicación,
cultura
organizacional
o
productividad,
se
propone
un
caso
de
estudio
bajo
el
modelo
de
innovación
y
teletrabajo
de
una
empresa
automotriz
j
a
p
o
n
e
s
p
a
r
a
l
a
a
p
l
i
c
a
c
i
ó
n
d
e
t
é
c
n
i
c
a
s
d
e
A
n
á
l
i
s
i
s
M
u
l
t
i
v
a
r
i
a
n
t
e
s
c
o
m
o
e
l
A
n
á
l
i
s
i
s
d
e
C
o
m
p
o
n
e
n
t
e
s
Principales
y
la
Regresión
lineal,
a
fines
de
condensar
la
información
aportada
por
múltiples
variables
en
componentes
principales
y
validar
las
relaciones
e
impacto
que
existen
entre
ellas,
determinando
así
la
interdependencia
y
correlación
de
las
mismas
con
la
variable
teletrabajo,
permitiendo
simplificar
la
complejidad
de
espacios
muestrales
con
muchas
dimensiones.
Se
lograron
identificar
los
componentes
principales
con
etiquetas
propias
de
las
variables
y
se
validaron
estadísticamente
las
variables
dependientes
y
predictivas
del
caso,
a
través
del
uso
del
software
IBM
SPSS.
Palabras
clave:
teletrabajo,
análisis
multivariante,
componentes
principales.
Multivariate
analysis
of
the
impact
and
interdependence
of
teleworking
with
variables
of
productivity,
efficiency,
effectiveness,
job
satisfaction
and
knowledge
in
digital
tools:
a
case
study.
42
Recibido(12/04/2022),
Aceptado(30/04/2022)
Alviarez
Jesica
direccionejecutiva.coachorg@gmail.com
https://orcid.org/0000-0003-3124-2961
Unexpo
Puerto
Ordaz
Estado
Bolívar,
Venezuela
https://doi.org/10.47460/minerva.v3i8.63
I. INTRODUCCIÓN
La
crisis
sanitaria
mundial
generada
por
la
pandemia
del
COVID-19
ha
logrado
impactar
considerablemente
l
a
s
e
s
t
r
u
c
t
u
r
a
s
o
r
g
a
n
i
z
a
c
i
o
n
a
l
e
s
,
d
e
s
d
e
l
a
s
t
r
a
n
s
f
o
r
m
a
c
i
o
n
e
s
r
a
d
i
c
a
l
e
s
d
e
s
u
s
n
a
t
u
r
a
l
e
z
a
s
h
a
s
t
a
s
u
s
organizaciones
y
sistemas,
por
lo
que
las
mismas
han
buscado
la
forma
de
adaptarse
a
los
vertiginosos
cambios
dinámicos
y
demandantes
de
los
consumidores.
Desde
las
Tecnologías
de
la
Información
y
la
Comunicación
(TICs)
las
organizaciones
han
evolucionado
a
nuevos
modelos
productivos,
lo
que
ha
implicado
a
su
vez
cambios
importantes
en
sus
estructuras
internas
[1].
Así,
las
organizaciones
tradicionales
han
adaptado
de
forma
brusca
sus
metodologías
de
trabajo,
la
medición
de
objetivos,
los
resultados
y
entregables
a
la
nueva
realidad
de
teletrabajo
o
trabajo
remoto;
en
la
cual
el
desempeño
se
ha
visto
significativamente
impactado.
Por
ello,
se
desea
determinar
los
componentes
principales
de
las
variables
observables
organizacionales
relacionadas
con
el
teletrabajo
a
partir
de
un
caso
de
estudio
vinculado
a
una
empresa
automotriz
japonesa;
para
lo
cual
se
hará
uso
del
software
IBM
SPSS
a
fines
de
llevar
a
cabo
el
análisis
multivariante
y
la
simulación
de
la
data
referencial
sobre
los
indicadores
de
productividad,
eficiencia,
eficacia,
s
a
t
i
s
f
a
c
c
i
ó
n
l
a
b
o
r
a
l
y
,
d
e
e
s
t
a
m
a
n
e
r
a
,
o
b
t
e
n
e
r
d
e
l
a
r
e
g
r
e
s
i
ó
n
l
i
n
e
a
l
l
o
s
c
o
e
f
i
c
i
e
n
t
e
s
d
e
l
o
s
f
a
c
t
o
r
e
s
c
o
n
mayores
pesos
de
las
varianzas
asociadas
a
la
variable
del
teletrabajo
[2].
El
presente
caso
de
estudio
contiene
como
partes
del
trabajo:
el
desarrollo,
la
metodología,
los
resultados
y
conclusiones,
así
como
las
referencias
bibliográficas
de
soporte.
II. DESARROLLO
El
teletrabajo
consiste
en
una
modalidad
laboral
desarrollada
a
distancia
(fuera
de
la
organización)
a
través
de
las
tecnologías
de
la
información
y
las
comunicaciones
(TIC),
lo
que
genera
el
desplazamiento
del
“producto”
hasta
el
sitio
de
interés
en
vez
del
individuo.
Si
la
producción
y
los
entregables
del
empleado
son
de
carácter
intelectual,
la
realización
de
las
asignaciones
y
las
tareas
laborales
podrían
efectuarse
desde
cualquier
locación
(siempre
y
cuando
se
tenga
acceso
a
las
TIC)
[3].
En
el
proceso
de
investigación
sobre
el
tema
de
teletrabajo,
se
consigue
visualizar
el
uso
de
variedades
de
términos
que
hacen
alusión
a
la
definición
de
la
modalidad
del
trabajo
remoto,
como
los
vocablos
telework,
telecommuting
(teledesplazamiento),
networking
(trabajo
en
red),
remote
working
(trabajo
a
distancia),
flexible
working
(trabajo
flexible),
o
home
working
(trabajo
a
domicilio)
[4].
Existen
diversos
estudios
y
autores
que
proponen
el
vínculo
entre
algunas
variables
observables
entorno
al
ámbito
laboral
–
bienestar
(personal)
con
el
teletrabajo.
Entre
ellos,
[3]
plantea
el
teletrabajo
con
la
calidad
de
vida
y
la
productividad
como
resultado
de
una
relación
recursiva
así
como
un
modelo
organizacional
de
teletrabajo
que
comprenden
dichos
elementos
esenciales
objeto
de
estudio.
Otra
investigación
analizada
incorpora
un
elemento
adicional
vinculado
a
las
TIC´s
y
a
las
comunicaciones,
en
la
cual
se
plantea
el
impacto
del
teletrabajo
en
la
cultura
organizacional
y
las
posibilidades
de
intervención
desde
el
campo
de
la
tecnología
con
la
evolución
de
la
modalidad
de
teletrabajo
[1].
De
igual
forma,
se
consigue
un
modelo
de
ecuaciones
estructurales
puesto
en
prueba
a
través
de
un
modelo
predictivo,
en
donde
se
detectan
que
los
factores
demandantes,
recursos
laborales
y
recursos
personales
que
inciden
significativamente
en
la
productividad
percibida
por
el
empleado
(afectada
por
el
estrés)
y
su
satisfacción
laboral
[5].
El
proceso
técnico
generado
para
el
presente
caso
de
estudio
de
teletrabajo
consiste
en
un
modelo
de
estructura
organizacional
basado
en
la
propuesta
de
tres
(03)
variables
observables:
la
transformación
del
negocio,
la
evolución
de
la
cultura
organizacional
y
la
innovación
como
estilo
de
trabajo,
el
cual
puede
visualizarse
a
continuación:
43
I
S
S
N
-
E
:
2
6
9
7
-
3
6
5
0
Alviarez. Análisis multivariante del impacto e interdependencia del teletrabajo con variables de productividad,
eficiencia, eficacia, satisfacción laboral y conocimiento en herramientas digitales: un caso de estudio.
Minerva
Journal
Vol.3,
Issue.
8,
(pp.
42-53)
Fig.
1
Modelo
de
nuevo
estilo
organizacional
bajo
el
enfoque
del
teletrabajo
Para
ello,
se
identificaron
las
variables
observadas
vinculadas
de
forma
interdependiente
con
los
siguientes
indicadores:
eficiencia,
eficacia,
productividad
y
satisfacción
laboral,
para
lo
cual
se
propone
el
siguiente
esquema
de
categorización
de
variables:
44
I
S
S
N
-
E
:
2
6
9
7
-
3
6
5
0
Fig.
2
Modelo
propuesto
para
el
Análisis
Multivariable
Es
importante
destacar,
que
las
variables
latentes
o
constructos
(componentes
principales)
son
aquellos
que
no
son
directamente
observables
o
medibles,
por
lo
que
no
presentan
una
unidad
de
medida
específica,
y
en
consecuencia,
cualquier
estimación
supone
un
error
asociado.
Mientras
que
las
variables
observables
son
un
conjunto
de
medidas
que
se
utilizan
para
definir
o
inferir
la
variable
latente
[5].
III. METODOLOGÍA
La
investigación
se
llevó
a
cabo
con
la
aplicación
de
las
técnicas
multivariadas
que
permitieron
una
aproximación
de
los
datos
dentro
de
un
marco
interpretativo,
captar
las
complejidades
e
interrelaciones
del
fenómeno
para
así
proveer
un
marco
teórico
que
vislumbren
los
componentes
principales
[5].
Por
ello,
para
el
desarrollo
del
estudio
de
caso
se
aplicó
el
análisis
de
datos
interdependientes
denominada
Análisis
de
Componentes
Principales
(ACP),
la
cual
permite
abordar
de
forma
simultánea
múltiples
medidas
de
los
objetos
bajo
observación,
creación
de
conocimiento
y
el
mejoramiento
en
la
toma
de
decisiones
dentro
de
las
organizaciones
[6].
Alviarez. Análisis multivariante del impacto e interdependencia del teletrabajo con variables de productividad,
eficiencia, eficacia, satisfacción laboral y conocimiento en herramientas digitales: un caso de estudio.
Minerva
Journal
Vol.3,
Issue.
8,
(pp.
42-53)
45
ISSN-E:
2697-3650
D
e
e
s
t
a
f
o
r
m
a
,
e
l
A
C
P
b
u
s
c
a
h
a
l
l
a
r
c
o
m
b
i
n
a
c
i
o
n
e
s
l
i
n
e
a
l
e
s
d
e
l
a
s
v
a
r
i
a
b
l
e
s
o
r
i
g
i
n
a
l
e
s
q
u
e
e
x
p
l
i
q
u
e
n
l
a
m
a
y
o
r
parte
de
la
variación
total.
El
primer
factor
o
componente
será
aquel
que
determina
la
mayor
parte
de
la
varianza
total
y
el
segundo
factor
la
mayor
parte
de
la
varianza
restante,
sucesivamente
la
relación
de
peso
entre
varianzas
[7].
También,
ACP
es
considerado
un
análisis
de
tipo
descriptivo
con
la
función
primordial
es
reducir
el
número
de
variables
existentes,
excluyendo
aquellas
que
tengan
menos
influencia
a
la
hora
de
establecer
diferencias
entre
los
individuos
[8].
Para
estudiar
las
relaciones
que
se
presentan
entre
p
variables
correlacionadas
(que
miden
información
común)
se
puede
transformar
el
conjunto
original
de
variables
en
otro
conjunto
de
nuevas
variables
i
n
c
o
r
r
e
l
a
c
i
o
n
a
d
a
s
e
n
t
r
e
s
í
(
q
u
e
n
o
t
e
n
g
a
r
e
p
e
t
i
c
i
ó
n
o
r
e
d
u
n
d
a
n
c
i
a
e
n
l
a
i
n
f
o
r
m
a
c
i
ó
n
)
l
l
a
m
a
d
o
c
o
n
j
u
n
t
o
d
e
c
o
m
p
o
n
e
n
t
e
s
p
r
i
n
c
i
p
a
l
e
s
[
9
]
.
A.
Cálculo
de
los
componentes
principales:
Se
considera
una
serie
de
variables
(x1,
x2,
...
,
xp)
sobre
un
grupo
de
objetos
o
individuos
y
se
trata
de
calcular,
a
partir
de
ellas,
un
nuevo
conjunto
de
variables
(y1,
y2,
...
,
yp),
incorrelacionadas
entre
sí,
cuyas
varianzas
vayan
decreciendo
progresivamente,
generándose
la
siguiente
ecuación
matemática
[9]:
Para
este
caso,
la
metodología
a
seguir
radica
en
que
cada
componente
principal
será
expresado
como
función
de
p
variables
observadas
correlacionadas
entre
sí,
que
se
ponderan
en
dicho
componente,
mediante
la
siguiente
expresión
matemática
[7]:
S
i
e
n
d
o
u
n
v
e
c
t
o
r
d
e
c
o
n
s
t
a
n
t
e
s
y
s
e
p
r
e
s
e
n
t
a
c
o
m
o
Donde:
=
pesos
o
coeficientes
de
saturación
X=
variables,
si
están
estandarizadas
se
sustituyen
por
Z
[7].
De
forma
gráfica,
el
ACP
se
visualiza
de
la
siguiente
manera:
Fig.
3
Matriz
Variables
Latentes
vs
Variables
Observadas
Alviarez. Análisis multivariante del impacto e interdependencia del teletrabajo con variables de productividad,
eficiencia, eficacia, satisfacción laboral y conocimiento en herramientas digitales: un caso de estudio.
Minerva
Journal
Vol.3,
Issue.
8,
(pp.
42-53)
Para
el
análisis
de
los
componentes
principales
del
caso
se
hizo
uso
del
software
IBM
SPSS,
para
la
corrida
de
la
muestra
de
datos
y
variables
observadas
como:
antigüedad
del
empleado,
resultado
de
evaluación
de
desempeño,
nivel
del
cargo,
condición
laboral
(fijo
–
contratado),
tipo
de
clase
de
nómina
(gerencial,
operativa),
edad,
sexo,
departamento
laboral,
Horas
anuales
de
formación
técnica,
asistencia
promedio
al
mes
y
d
í
a
s
d
e
a
u
s
e
n
t
i
s
m
o
a
l
m
e
s
,
e
l
%
d
e
c
o
n
o
c
i
m
i
e
n
t
o
s
d
e
h
e
r
r
a
m
i
e
n
t
a
s
d
i
g
i
t
a
l
e
s
,
%
d
e
p
r
o
d
u
c
t
i
v
i
d
a
d
(
h
o
r
a
s
l
a
b
o
r
a
d
a
s
v
s
e
n
t
r
e
g
a
b
l
e
s
g
e
n
e
r
a
d
o
s
)
,
%
d
e
e
f
i
c
i
e
n
c
i
a
c
o
n
b
a
s
e
a
o
b
j
e
t
i
v
o
s
a
l
c
a
n
z
a
d
o
s
,
%
d
e
e
f
i
c
a
c
i
a
(optimización
de
recursos)
y
el
%
de
satisfacción
laboral.
B.
Reducción
de
Dimensiones
(Factor)
-ACP.
Se
procede
a
la
reducción
de
dimensiones
a
través
de
la
función
factor,
estableciéndose
como
método
de
análisis
el
ACP
para
el
proceso
de
extracción.
De
igual
forma,
se
configura
el
análisis
para
la
generación
de
una
matriz
de
correlación,
inicialmente
sin
la
rotación
del
factor
de
solución
y
se
especifica
un
número
máximo
de
correlaciones
por
convergencia
de
25.
De
esta
forma,
se
seleccionan
las
variables
observadas
objeto
del
presente
estudio,
obteniéndose
así
las
comunalidades
y
las
varianzas
para
su
respectivo
análisis,
así
como
la
matriz
de
Componentes
principales,
la
cual
nos
presenta
la
solución
factorial
y
estará
constituida
por
las
correlaciones
entre
las
variables
originales
o
saturaciones
para
cada
componente
o
factor:
C.
Análisis
Factorial.
El
análisis
factorial
busca
identificar
variables
subyacentes,
o
factores,
que
expliquen
la
configuración
de
las
correlaciones
dentro
de
un
conjunto
de
variables
observadas.
El
análisis
factorial
se
suele
utilizar
en
la
reducción
de
los
datos
para
identificar
un
pequeño
número
de
factores
que
explique
la
mayoría
de
la
varianza
observada
en
un
número
mayor
de
variables
manifiestas.
Dicho
procedimiento
de
análisis
factorial
ofrece
un
alto
grado
de
flexibilidad
y
métodos
de
rotación
[10].
Primero,
se
buscaron
los
estadísticos
descriptivos
de
la
data
en
estudio:
Los
descriptores
univariados
incluyen
la
media,
la
desviación
estándar
y
el
número
de
casos
válidos
para
cada
variable.
La
solución
inicial
muestra
las
comunalidades
iniciales,
los
autovalores
y
el
porcentaje
de
varianza
explicada
[10].
Matriz
de
correlaciones.
Para
el
caso
de
estudio
se
aplicarán
KMO
y
prueba
de
esfericidad
de
Bartlett.,
y
la
reproducida
a
fines
de
contrastar
los
resultados
obtenidos.
D.Tipo
de
datos
a
analizar:
·
Datos.
Las
variables
son
cuantitativas
a
nivel
de
intervalo
o
de
razón.
·
Supuestos.
Los
datos
tienen
una
distribución
normal
bivariado
para
cada
pareja
de
variables
y
las
observaciones
son
independientes.
El
modelo
de
análisis
factorial
especifica
que
las
variables
vienen
determinadas
por
los
factores
comunes
(los
factores
estimados
por
el
modelo)
y
por
factores
exclusivos
(los
cuales
no
se
superponen
entre
las
distintas
variables
observadas);
las
estimaciones
calculadas
se
basan
en
el
supuesto
de
que
ningún
factor
único
está
correlacionado
con
los
demás,
ni
con
los
factores
comunes
[10].
46
I
S
S
N
-
E
:
2
6
9
7
-
3
6
5
0
Alviarez. Análisis multivariante del impacto e interdependencia del teletrabajo con variables de productividad,
eficiencia, eficacia, satisfacción laboral y conocimiento en herramientas digitales: un caso de estudio.
Minerva
Journal
Vol.3,
Issue.
8,
(pp.
42-53)
IV. RESULTADOS
A
través
del
software
SPSS
se
obtuvieron
los
siguientes
resultados,
a
partir
del
Análisis
de
Componentes
Principales:
A.
Descriptores
univariados:
Se
obtuvieron
los
estadísticos
descriptivos
de
la
tabla
1:
Tabla
1.
Estadísticos
Descriptivos
47
ISSN-E:
2697-3650
A
continuación,
se
presenta
la
matriz
de
correlación:
Tabla
2.
Matriz
de
correlación
Alviarez. Análisis multivariante del impacto e interdependencia del teletrabajo con variables de productividad,
eficiencia, eficacia, satisfacción laboral y conocimiento en herramientas digitales: un caso de estudio.
Minerva
Journal
Vol.3,
Issue.
8,
(pp.
42-53)
48
ISSN-E:
2697-3650
En
la
tabla
anterior,
se
logra
visualizar
el
valor
del
determinante
en
0.268.
Los
determinantes
próximos
a
cero,
como
resultante
del
caso
en
estudio,
está
indicando
que
las
variables
utilizadas
están
linealmente
r
e
l
a
c
i
o
n
a
d
a
s
,
l
o
q
u
e
s
i
g
n
i
f
i
c
a
q
u
e
e
l
a
n
á
l
i
s
i
s
f
a
c
t
o
r
i
a
l
,
e
s
u
n
a
t
é
c
n
i
c
a
p
e
r
t
i
n
e
n
t
e
p
a
r
a
a
n
a
l
i
z
a
r
e
s
a
s
v
a
r
i
a
b
l
e
s
B.Comunalidades:
La
Comunalidad
asociada
a
la
variable
j
‐
ésima
es
la
proporción
de
variabilidad
de
dicha
variable
explicada
por
los
k
factores
considerados.
Se
pueden
visualizar
las
comunalidades
asignadas
a
las
variables
(inicial)
y
la
extracción
vinculada
a
las
variables
generadas
por
la
solución
factorial,
en
la
siguiente
tabla:
Tabla
3.
Comunalidades
C.
Total
Varianza
explicada
Los
autovalores
iniciales
expresan
la
cantidad
de
varianza
total
que
está
explicada
por
cada
componente
o
factor.
De
esta
forma,
se
obtuvieron
cuatro
(4)
valores
mayores
a
uno
(1)
que
explican
el
62.184%
de
la
varianza
total.
En
este
caso
se
sugiere
retener
4
componentes.
Se
aplica
criterio
de
Kaiser,
que
consiste
en
conservar
aquellos
factores
cuyo
autovalor
asociado
sea
mayor
que
1,
según
la
tabla
a
continuación:
Tabla
4.
Explicación
del
Total
de
la
Varianza
D.
Gráfico
de
sedimentación.
De
igual
forma,
se
genera
el
gráfico
de
la
varianza
que
está
asociado
a
cada
factor,
el
cual
nos
permite
determinar
cuántos
factores
se
deben
conservar.
En
el
caso
de
estudio,
se
considerarán
los
componentes
1,
2,
3
y
4,
validando
el
método
de
Kaiser
aplicado
anteriormente.
Alviarez. Análisis multivariante del impacto e interdependencia del teletrabajo con variables de productividad,
eficiencia, eficacia, satisfacción laboral y conocimiento en herramientas digitales: un caso de estudio.
Minerva
Journal
V
o
l
.
3
,
I
s
s
u
e
.
8
,
(
p
p
.
4
2
-
5
3
)
49
I
S
S
N
-
E
:
2
6
9
7
-
3
6
5
0
F
i
g
.
4
.
G
r
á
f
i
c
o
d
e
s
e
d
i
m
e
n
t
a
c
i
ó
n
Se
puede
observar
en
el
gráfico
anterior
que
la
trama
muestra
una
ruptura
distinta
entre
la
pendiente
pronunciada
de
los
factores
grandes
y
la
salida
gradual
del
resto.
E
.
M
a
t
r
i
z
d
e
C
o
m
p
o
n
e
n
t
e
s
P
r
i
n
c
i
p
a
l
e
s
:
La
Matriz
de
Componentes,
Matriz
de
Cargas
o
Saturaciones
Factoriales,
señala
la
carga
de
cada
variable
en
cada
factor,
de
forma
que
los
factores
con
pesos
factoriales
más
elevados
en
términos
absolutos
indican
una
relación
estrecha
con
las
variables.
De
esta
forma,
la
siguiente
matriz
presenta
la
solución
factorial,
la
cual
está
c
o
n
s
t
i
t
u
i
d
a
p
o
r
l
a
s
c
o
r
r
e
l
a
c
i
o
n
e
s
e
n
t
r
e
l
a
s
v
a
r
i
a
b
l
e
s
o
r
i
g
i
n
a
l
e
s
o
s
a
t
u
r
a
c
i
o
n
e
s
p
a
r
a
c
a
d
a
c
o
m
p
o
n
e
n
t
e
o
f
a
c
t
o
r
.
Tabla
5.
Matriz
de
Componentes
Principales
Alviarez. Análisis multivariante del impacto e interdependencia del teletrabajo con variables de productividad,
eficiencia, eficacia, satisfacción laboral y conocimiento en herramientas digitales: un caso de estudio.
Minerva
Journal
V
o
l
.
3
,
I
s
s
u
e
.
8
,
(
p
p
.
4
2
-
5
3
)
F
.
M
a
t
r
i
z
d
e
c
o
r
r
e
l
a
c
i
o
n
e
s
r
e
s
u
l
t
a
n
t
e
s
-Test
de
esfericidad
de
Barlett.
Para
comprobar
que
las
correlaciones
entre
las
variables
son
distintas
de
cero
de
modo
significativo,
se
comprueba
si
el
determinante
de
la
matriz
es
distinto
de
uno,
es
decir,
si
la
matriz
de
correlaciones
es
distinta
de
la
matriz
unidad.
-
La
medida
Kaiser-Meyer-Olkin
de
adecuación
del
muestreo
obtenido
en
el
caso
fue
0.553
está
entre
0.75
y
0.5.
por
lo
que
es
aceptable,
tal
y
como
se
visualiza
en
la
siguiente
tabla:
Tabla
6.
KMO
&
Brlett´s
Test
50
ISSN-E:
2697-3650
Como
p
(el
nivel
de
significancia)
es
menor
que
0,05
se
rechaza
la
Hipótesis
nula,
donde
se
expresa
la
matriz
d
e
c
o
r
r
e
l
a
c
i
ó
n
e
s
u
n
a
m
a
t
r
i
z
d
e
i
d
e
n
t
i
d
a
d
.
D
e
e
s
t
a
f
o
r
m
a
,
s
e
a
c
e
p
t
a
l
a
H
i
p
ó
t
e
s
i
s
a
l
t
e
r
n
a
t
i
v
a
:
e
l
m
o
d
e
l
o
d
e
factor
es
apropiado.
-Reproducida.
Representa
la
matriz
de
las
correlaciones
que
se
obtiene
a
partir
de
la
solución
factorial
hallada.
A
continuación,
se
presenta
la
tabla
con
los
resultados
de
la
correlación
reproducida,
donde
se
logra
obtener
u
n
d
i
a
g
n
ó
s
t
i
c
o
b
u
e
n
o
d
e
l
m
o
d
e
l
o
y
e
l
n
ú
m
e
r
o
d
e
f
a
c
t
o
r
e
s
e
l
a
d
e
c
u
a
d
o
,
y
a
q
u
e
l
a
e
s
t
r
u
c
t
u
r
a
f
a
c
t
o
r
i
a
l
f
u
e
c
a
p
a
z
de
reproducir
la
matriz
de
correlaciones,
en
función
de
las
comunalidades
finales.
Tabla
7.
Correlación
Reproducida
Alviarez. Análisis multivariante del impacto e interdependencia del teletrabajo con variables de productividad,
eficiencia, eficacia, satisfacción laboral y conocimiento en herramientas digitales: un caso de estudio.
Método de extracción: Análisis de Componentes Principales
a. Comunalidades reproducidas.
b. Los residuos se calculan entre las correlaciones observadas y reproducidas. Hay 19 (52,0%) residuos no redundantes con
valores absolutos superiores a 0,05.
Minerva
Journal
Vol.3,
Issue.
8,
(pp.
42-53)
-
R
e
p
r
e
s
e
n
t
a
c
i
ó
n
t
r
i
d
i
m
e
n
s
i
o
n
a
l
d
e
l
o
s
C
o
m
p
o
n
e
n
t
e
s
P
r
i
n
c
i
p
a
l
e
s
:
A
p
a
r
t
i
r
d
e
l
p
r
o
c
e
s
a
m
i
e
n
t
o
d
e
l
a
n
á
l
i
s
i
s
d
e
componentes
principales
se
obtuvo
la
siguiente
graficación:
51
I
S
S
N
-
E
:
2
6
9
7
-
3
6
5
0
Fig.
5,
Representación
tridimensional
de
los
componentes
principales
G.
Propuestas
de
Etiquetas
referenciales
de
los
Nuevos
Componentes.
1er
Componente,
es
un
factor
que
vincula
la
variable
Eficacia
con
la
Productividad.
2
d
o
C
o
m
p
o
n
e
n
t
e
,
e
s
u
n
f
a
c
t
o
r
q
u
e
v
i
n
c
u
l
a
C
o
n
o
c
i
m
i
e
n
t
o
s
d
e
h
e
r
r
a
m
i
e
n
t
a
s
d
i
g
i
t
a
l
e
s
c
o
n
e
l
n
i
v
e
l
d
e
satisfacción
y
el
nivel
laborales.
3
e
r
C
o
m
p
o
n
e
n
t
e
,
e
s
u
n
f
a
c
t
o
r
q
u
e
i
n
t
e
g
r
a
a
n
t
i
g
ü
e
d
a
d
,
c
o
n
l
a
e
d
a
d
y
e
l
g
r
a
d
o
l
a
b
o
r
a
l
.
4to
Componente,
vinculado
a
la
eficiencia
según
objetivos
alcanzados.
Posteriormente,
se
desarrolla
un
análisis
de
regresión
de
la
variable
Teletrabajo
sobre
los
tres
factores
o
componentes
principales.
Para
ello,
se
utiliza
el
software
SPSS
y
se
obtiene
el
resumen
del
modelo,
donde
se
obtiene
el
estadístico
Durbin-Watson
superior
a
1,
lo
que
implica
la
no
autocorrelación
entre
factores:
Tabla
8.
Resumen
del
Modelo
Se
logra
obtener
un
estadístico
de
Durbin-Watson
mayor
a
1:
1,387
Tabla
9.
Anova
del
Modelo
Alviarez. Análisis multivariante del impacto e interdependencia del teletrabajo con variables de productividad,
eficiencia, eficacia, satisfacción laboral y conocimiento en herramientas digitales: un caso de estudio.
Minerva
Journal
Vol.3,
Issue.
8,
(pp.
42-53)
Tabla
10.
Coeficientes
52
ISSN-E:
2697-3650
Alviarez. Análisis multivariante del impacto e interdependencia del teletrabajo con variables de productividad,
eficiencia, eficacia, satisfacción laboral y conocimiento en herramientas digitales: un caso de estudio.
Se
propone
la
siguiente
ecuación
final:
Variable
Teletrabajo
=
54.549
+
6.392(factor
score1)
–
3.266
(factor
score2)
–
0.262
(factor
score3)
+
0
.
4
5
7
(
f
a
c
t
o
r
s
c
o
r
e
4
)
.
CONCLUSIONES
A
través
de
la
aplicación
de
las
técnicas
de
análisis
multivariante
interdependiente:
Análisis
de
Componentes
Principales
y
Análisis
factorial,
se
lograron
obtener
los
04
componentes
principales
con
una
varianza
total
de
62.184%
(mayor
a
60%),
bajo
las
siguientes
etiquetas:
1er
Componente,
es
un
factor
que
vincula
la
variable
Eficacia
con
la
Productividad.
2do
Componente,
es
un
factor
que
vincula
Conocimientos
de
herramientas
digitales
con
el
nivel
de
satisfacción
laboral
y
el
nivel.
3er
Componente,
es
un
factor
que
integra
Antigüedad,
c
o
n
l
a
e
d
a
d
y
e
l
g
r
a
d
o
l
a
b
o
r
a
l
.
4
t
o
C
o
m
p
o
n
e
n
t
e
,
v
i
n
c
u
l
a
d
o
a
l
a
e
f
i
c
i
e
n
c
i
a
s
e
g
ú
n
o
b
j
e
t
i
v
o
s
a
l
c
a
n
z
a
d
o
s
.
Se
presentaron
los
resultados
de
los
descriptivos
estadísticos:
la
media,
la
desviación
estándar
y
el
número
de
casos
válidos
para
cada
variable.
KMO:
arrojó
aceptación
de
las
variables
con
0.553%
(aceptable
entre
0.5
y
075).
La
Prueba
de
esfericidad
de
Bartlett:
Como
p
es
menor
que
0,05
se
rechaza
la
Hipótesis
nula,
donde
se
expresa
la
matriz
de
correlación
es
una
matriz
de
identidad.
De
esta
forma,
se
acepta
la
Hipótesis
alternativa:
el
modelo
de
factor
es
apropiado.
En
la
diagonal
de
la
matriz
reproducida
se
encuentran
las
Comunalidades
finales.
La
matriz
de
las
correlaciones
que
se
obtiene
a
partir
de
la
solución
factorial
hallada
resultó
demostrar
que
el
modelo
es
aceptable
y
el
número
de
factores
el
adecuado,
ya
que
la
estructura
factorial
fue
capaz
de
reproducir
la
matriz
de
correlaciones
junto
con
las
comunalidades
finales.
Finalmente,
partiendo
de
la
Regresión
lineal
y
vinculación
de
la
variable
teletrabajo
con
los
componentes
nuevos
se
obtiene
la
ecuación
de
teletrabajo:
Teletrabajo
=
54.549
+
6.392(factor
score1)
–
3.266
(factor
score2)
–
0.262
(factor
score3)
+
0.457(factor
score
4).
Minerva
Journal
V
o
l
.
3
,
I
s
s
u
e
.
8
,
(
p
p
.
4
2
-
5
3
)
53
Minerva
Journal
Vol.3,
Issue.
8,
(pp.
42-53)
ISSN-E:
2697-3650
Alviarez. Análisis multivariante del impacto e interdependencia del teletrabajo con variables de productividad,
eficiencia, eficacia, satisfacción laboral y conocimiento en herramientas digitales: un caso de estudio.
REFERENCIAS
[1]
D.
Colombo,
«sedici.unlp.edu.ar,»
Universidad
Nacional
de
La
Plata,
2008.
[En
línea].
Available:
http://sedici.unlp.edu.ar/handle/10915/1933.
[Último
acceso:
9
Enero
2021].
[2]
TLAC
Toyota,
«Movility
Toyota,»
Argentina,
2020.
[3]«scielo.org.co,»
Universidad
del
Norte,
2013.
[En
línea].
Available:
http://www.scielo.org.co/pdf/pege/n35/n35a05.pdf.
[Último
acceso:
10
Enero
2022].
[4]
A.
Belzunegui,
Diversificación
en
las
formas
de
trabajo,
Barcelona:
Universidad
Autónoma
de
Barcelona,
2
0
0
1
.
[5]
O.
Tapasco,
Factores
que
inciden
en
la,
Colombia:
Universidad
Nacional
de
Colombia
Sede
Manizales,
2021.
[6]
J.
Hair,
G.
T.
Hult,
C.
Ringle
y
M.
Sarstedt,
Structural
equation
modeling,
Thousand
Oaks,
2017.
[
7
]
C
.
M
a
r
v
e
l
,
I
n
t
r
o
d
u
c
c
i
ó
n
a
l
A
n
á
l
i
s
i
s
d
e
D
a
t
o
s
,
P
u
e
r
t
o
O
r
d
a
z
:
U
N
E
X
P
O
D
o
c
t
o
r
a
d
o
,
2
0
2
1
.
[8]«vivaelsoftwarelibre.com,»
vivaelsoftwarelibre.com,
[En
línea].
Available:
https://vivaelsoftwarelibre.com/fantasticos-graficos-de-analisis-de-componentes-principales-en-r/.
[Último
acceso:
3
1
2022].
[9]
estadistica.net,
«estadistica.net,»
[En
línea].
Available:
https://www.estadistica.net/Master-
Econometria/Componentes_Principales.pdf.
[Último
acceso:
3
Enero
2022].
[10]
ibm.com,
«ibm.com,»
ibm.com,
1989.
[En
línea].
Available:
https://www.ibm.com/docs/es/spss-
statistics/SaaS?topic=analysis-factor-rotation.
[Último
acceso:
4
Enero
2022].
[11]
IBM
SPSS
,
«Representación
tridimensual
de
satuación,»
2021.