Análisis factorial (validez de constructo, nomológica)
Análisis factorial es una técnica estadística de reducción de datos usada para
explicar las correlaciones entre las variables observadas en términos de un número
menor de variables no observadas llamadas factores.
Tipos de análisis factorial
El análisis factorial exploratorio (AFE) se usa para tratar de descubrir la estructura
interna de un número relativamente grande de variables (ítems). La hipótesis a
priori del investigador es que pueden existir una serie de factores asociados a
grupos de variables. Es el tipo de análisis factorial más común.
El análisis factorial confirmatorio (AFC) trata de determinar si el número de
factores obtenidos y sus cargas se corresponden con los que cabría esperar a la luz
de una teoría previa acerca de los datos. La hipótesis a priori es que existen unos
determinados factores preestablecidos y que cada uno de ellos está asociado con un
determinado subconjunto de las variables. El análisis factorial confirmatorio
entonces arroja un nivel de confianza para poder aceptar o rechazar dicha hipótesis.
Correlaciones
Índices de ajuste:
≤≥
RMSEA ≥ .03 a ≤ .08
CFI mayor a .90
Algunos programas muestran
varianza explicada encima de los
reacFvos. Se traduce en
porcentajes
Análisis Factorial Exploratorio (AFE)
Determinar KMO. Grado de correlación entre variables (va de 0 a 1)
.65 a .8 bueno
> a .8 excelente
Determinar Esfericidad de Bartlett. Señala correlación significativa entre variables.
p < .05 es adecuado (no es correlación espuria)
Pruebas de adecuación muestral
P menor o igual a 0.05
Correlación mayor a Contrasta si la matriz de correlaciones
0.65. es una matriz de identidad (ausencia
Mide correlaciones de correlación significativa entre
parciales entre variables), que indicaría que el modelo
variables. Valores bajos factorial es inadecuado.
desaconsejan el AF. Si se acepta la hipótesis nula las
variables no están
intercorrelacionadas.
Para configurar el análisis: Método de Extracción (¿cuántos factores?)
Se desaconseja Análisis de componentes principales pues usa varianza total (con error).
Cuando hay normalidad se aconseja máxima verosimilitud o mínimos cuadrados
generalizados.
Cuando no hay normalidad se aconseja mínimos cuadrados no ponderados o
factorización de ejes principales
Para configurar el análisis: Procedimiento de rotación
Ortogonal
(factores no Varimax
correlacionados)
Rotación Oblimin
Oblicua
(Factores Promax
correlacionados)
Promin
Se sugiere iniciar con rotaciones oblicuas y si hay relaciones entre factores menores a .32
ir con rotaciones ortogonales.
Para determinar cuántos factores hay
SPSS
Regla de Kaiser (aunque se desaconseja por usar varianza total, con error)
Autovalores. Es la canFdad de varianza que puede explicar un componente principal
(reacFvo).
Un autovalor mayor de 1 indica que el factor explica más varianza que una
variable original (reacFvo).
Punto de corte en 1 porque así se estandariza la varianza de los reacFvos.
Se quedan los factores con
autovalores mayores a 1
En este caso 5
Para determinar cuántos factores hay
Factor
Análisis paralelo
Se comparan autovalores de factores (reales) con otros obtenidos al azar (varianza
explicada de factores con varianza explicada de otro obtenidos al azar).
Si es mayor la varianza explicada del factor (real) es mayor que la de los obtenidos al
azar. Se queda el factor.
Se comparan, cuando es
mayor % de varianza real
se queda el factor
Terminado el análisis, interpretar:
Cargas factoriales. Se quedan los reacFvos con cargas mayores a .40 o .35 (se puede
eliminar por ambigüedad un reacFvo) (Lagunes, 2017; Thurstone, 1931).
Se revisa de acuerdo con la carga factorial en que dimensión o factor se queda el
reacFvo.
Dimensiones o factores con menos de 3 reacFvos se van (Lagunes, 2017).
Comunalidad ≥ . 𝟑𝟐. ReacFvo bien representado por los factores cuando es alta, si es
baja puede que el reacFvo no aporte mucho (Tabachnik & Fidell, 1996).
Menor a .4 se
Si es menor
va el reactivo.
a .32 se va
el reactivo
Negativos se
van.
Procedimiento en SPSS
Seleccionar
Mover las variables correspondientes a los reactivos
DescripRvos
Extracción
Rotación
Procedimiento para
determinar el
número de
Método de dimensiones.
extracción factorial
Factores de acuerdo
Se recomienda a teoría/ se puede
Mínimos Cuadrados dejar vacío sin una
no Ponderados teoría robusta
(ULS)
Método de rotación
Se recomienda con
factores
correlacionados
promax
No correlacionados
varimax
