INGENIERÍA INDUSTRIAL
NOMBRE DE MATERIA
ESTADISTICA
Nombre de actividad:
REGRESION FACTORIAL
Inicio Investigación de mercado
Análisis factorial: Qué es y
tipos que existen
El análisis factorial ha experimentado numerosos desarrollos y métodos
de cálculo. Aunque fue utilizado por primera vez por los especialistas en
psicometría, su campo de aplicación se ha ido extendiendo a muchos
otros ámbitos, como la geología, la medicina y las finanzas.
El análisis factorial es una técnica estadística que hoy en día se utiliza
principalmente para analizar encuestas. Permite, cuando tenemos una
población de individuos de los que tenemos mucha información relativa a
las opiniones, las prácticas y el estatus (sexo, edad, etc.), ver las
similitudes y oposiciones entre las características de los individuos.
Por ejemplo, al aplicar una encuesta de satisfacción vas a recolectar un
gran número de variables al mismo tiempo. Queremos saber si las
preguntas del cuestionario se agrupan de alguna forma característica. A
través de este análisis podemos encontrar grupos de variables en las
respuestas de los encuestados que tengan un significado común y así
reducir el número de dimensiones necesarias para explicar las
respuestas recibidas.
Conozcamos más de sus características y los tipos que existen.
¿Qué es el análisis factorial?
El análisis factorial es aquel que pone de manifiesto las relaciones entre
las variables y, en general, comprender los datos que se modelan.
Este análisis forma parte del modelo lineal generalizado (MLG) y este
método también asume varios supuestos: existe una relación lineal, no
hay multicolinealidad, incluye las variables relevantes en el análisis y
existe una correlación entre las variables y los factores.
Este análisis puede ser un análisis exploratorio o de verificación.
Quizá te interese conocer también qué es un análisis de correlación.
¿Para qué hacer uso de un análisis tipo factorial?
El análisis factorial es una herramienta útil para investigar las
relaciones entre las variables de conceptos complejos como el estatus
socioeconómico o las escalas psicológicas.
Permite investigar conceptos que no son fáciles de medir directamente,
colapsando un gran número de variables en unos pocos factores
subyacentes interpretables.
Métodos para un análisis factorial
Existen diferentes tipos de métodos utilizados para extraer el factor del
conjunto de datos:
1. Análisis de componentes principales: Es el método más
utilizado por los investigadores. Comienza extrayendo la máxima
varianza y la coloca en el primer factor. Después, elimina la
varianza explicada por los primeros factores y, a continuación,
comienza a extraer la varianza máxima para el segundo factor.
Este proceso llega hasta el último factor.
2. Análisis común: El segundo método más preferido por los
investigadores, extrae la varianza común y la coloca en factores.
Este método no incluye la varianza única de todas las variables.
3. Factorización de imágenes: Este método se basa en la matriz de
correlación. El método de regresión se utiliza para predecir el factor
en la factorización de imágenes.
4. Método de máxima similitud: Este método también trabaja sobre
la métrica de correlación pero utiliza el método de máxima similitud
para factorizar.
Modelos de análisis factorial
Conozcamos algunas de las características de los tipos de análisis
factorial:
Análisis factorial exploratorio: Asume que cualquier indicador o
variable puede asociarse con cualquier factor. Es el análisis
factorial más utilizado por los investigadores y no se basa en
ninguna teoría previa.
Análisis factorial confirmatorio: Se utiliza para determinar el
factor y la carga factorial de las variables medidas, y para confirmar
lo esperado en la teoría básica o preestablecida. El AFC supone
que cada factor está asociado a un subconjunto específico de
variables medidas. Suele utilizar dos enfoques:
Aplica un análisis factorial, por ejemplo, para conocer el proceso de
decisión de compra de un cliente. Puedes analizar diferentes tipos de
variables, desde las emocionales hasta las económicas y sociales para
una mejor interpretación de los resultados.
