Evaluación estadística de las dimensiones propuestas Análisis de Componentes Principales Consistencia interna Economía Político-Legal A cada dimensión propuesta se le aplicó el análisis por componentes principales (PCA) para probar estadísticamente su unidimensionalidad. El procedimiento de extracción de factores se realizó según valores propios (Eigenvalues) mayores a 1. Se calcularon la medida KMO de adecuación de la muestra, el test de Bartlett y el porcentaje de varianza explicada. De acuerdo con Malhotra (2021) , se sugiere que la medida KMO sea superior a 0.5 para que se considere apropiado el análisis factorial, y que se rechace el test de Bartlett (p-value < 0.05). Notas + Se calculó el coeficiente Alfa de Cronbach (aC), el cual es el coeficiente de consistencia interna más común32, basado en las correlaciones entre los indicadores que miden un constructo. Valores de aC entre 0.6 y 0.7 son aceptables en investigación exploratoria; entre 0.7 y 0.9 son considerados entre satisfactorios y buenos; mientras que valores mayores a 0.95 pueden ser problemáticos, ya que indican que algunos ítems son redundantes al medir el constructo analizado33. A continuación, se resumen los resultados de estos procedimientos en ciertas dimensiones que no mostraron, en un principio, resultados satisfactorios: Se generaron 2 factores que explican el 74,76% de la varianza total. El segundo factor está claramente representado por el indicador Service Location. Por su parte, Market potential tiene cargas factoriales similares en los dos factores cuando lo preferible es que tenga altas cargas con un solo factor y bajas cargas con el resto . El resto de los indicadores se agruparon claramente en el primer factor. Si se excluye Service Location, el análisis arroja un solo factor, que explica el 63.85% de la varianza. Por estos motivos, se decidió excluir el indicador Service location. El análisis generó 2 factores, uno asociado a la estabilidad política y cumplimiento de las reglas, y el otro a la democracia y libertades. Sin embargo, el primer factor muestra un Alfa de Cronbach superior a 0.95 (0.958), lo que sugiere redundancia en algunos de los indicadores que lo conforman. Se analizaron las correlaciones entre los indicadores y se decidió excluir aquellos que tenían las mayores correlaciones promedio con el resto de los indicadores, cuidando no afectar la validez de contenido de la dimensión. Se excluyeron los indicadores: wb_regulatory quality, wb_rule of law y human freedom index. La información de estos indicadores está contenida en el índice de percepción de corrupción y en el Global Freedom Index. Con este ajuste, el PCA generó un solo factor que explica el 75.4% de la varianza, con un Alfa de Cronbach de 0.936 (<0.95). 31 Malhotra, N. (2021), Marketing Research: An Applied Orientation, 7th edition. Pearson. 32 OECD (ORGANISATION FOR ECONOMIC CO-OPERATION AND DEVELOPMENT) (2008). Handbook on constructing composite indicators: Methodology and user guide. Paris: OECD Publishing. 33 Hair, J. F, Risher, J. J., Sarstedt, M., & Ringle, C. M. (2019). When to use and how to report the results of PLS-SEM. European business review, 31(1), 2-24. 34 Hair, J., Babin, B., Anderson, R., & Black, W. (2018). Multivariate Data Analysis, 8th edition, Cengage.