Anlisis de Factores

Profesor Gonzalo Amstica

Introduccin
Qu variables considera
una persona al adquirir un
caf?

Qu revisa al
comprar una casa?

Qu factores considera
una persona al comprar
un auto?

Introduccin
Qu diferencia a una
marca de ropa de otra?

Cmo evaluar el
desempeo de una
empresa en trminos de
marketing, finanzas u
operaciones?

Qu se podra
identificar la
personalidad de una
persona?

Objetivo del anlisis factorial

Definir la estructura subyacente de un

conjunto de datos

Po r q u u n a s
v a r ia ble s s e
re lac io n a n ms
e n t re s y me n o s
c o n o t ra s .. .?

Variables

Factores

Objetivo del anlisis factorial

Definir la estructura subyacente de un
conjunto de datos
Reducir

Resumir

Reduccin de dimensiones
mediante puntuaciones factoriales

Uso de factores para resumir las

estructuras de relacin de las
variables

El tratamiento es multivariable, de relaciones entre

todas las variables

Varianza compartida / comn

Los tems se relacionan de tal forma que la
variabilidad de un tem se comparte con
otro.
Esto se puede medir a travs de un
coeficiente de correlacin (r).

Conceptos
previos

Varianza total

Varianza nica / especfica

Hay un significado especfico para cada
tem que no coincide entre las respuestas
obtenidas.
Adems existirn errores en la medicin
que afectarn el resultado de cada tem.

Varianza comn

Varianza
especfica

Varianza por
errores

Realizacin del anlisis de factores

Pruebas de normalidad

Analizar toda la varianza

o slo la varianza
comn?

Introduccin
Anlisis de componentes principales

Anlisis de factores

Anlisis de componentes principales

Tenemos entonces que buscar un sistema de referencia para el plano
(subespacio) ms cercano a la nube de puntos de forma que, al
proyectarlos todos sobre dicho plano, la prdida de informacin sea
mnima. La prdida de informacin puede entenderse en trminos de
variabilidad del conjunto de puntos o en trminos de la similitud entre las
interdistancias entre los puntos, calculadas en el espacio original y las
calculadas en la proyeccin del subespacio.

El subespacio quedar definido mediante un sistema de

referencia para el mismo, es decir, mediante dos vectores
perpendiculares dentro del subespacio.

El Anlisis de Componentes principales consiste en encontrar

transformaciones ortogonales de las variables originales para
conseguir un nuevo conjunto de variables incorrelacionadas,
denominadas Componentes Principales, que se obtienen en
orden decreciente de importancia.

Una de las diferencias fundamentales con el Anlisis

Factorial es que el ACP explica variabilidad en lugar de
correlaciones, aunque para obtener una reduccin
efectiva de la dimensin es necesario que las variables
estn correlacionadas.

Anlisis de componentes
principales
1.- Buscando aquella combinacin lineal de las variables que maximiza la
variabilidad. (Hottelling).
2.- Buscando el subespacio de mejor ajuste por el mtodo de los mnimos
cuadrados. (Minimizando la suma de cuadrados de las distancias de cada
punto al subespacio). (Pearson).
3.- Minimizando la discrepancia entre las distancias eucldeas entre los
puntos calculadas en el espacio original y en el subespacio de baja
dimensin. (Coordenadas principales, Gower).
4.- Mediante regresiones alternadas (mtodos Biplot)

Factor
El factor no existe
Es una combinacin de las respuestas de cada
individuo, donde la varianza del total muestra la
diversidad
Cada factor estar entonces compuesto por un peso
distinto de cada variable
La varianza de todas las nuevas medidas debe ser
casi igual a la varianza total original
El anlisis factorial busca identificar los pesos que
explican la mayor cantidad de la varianza original

Resultados
Factores donde los tems del mismo
factor tienden a una mayor relacin y los
factores tienden a rechazarse (menor
relacin entre tems de distinto factor)

Resultados

Nmero de factores
Proporcin de la
varianza que
explica cada
factor
Puntuacin de cada
sujeto en cada factor:
Puntuaciones factoriales

Peso o correlacin
de cada variable o
tem con cada factor:
Matriz factorial
Proporcin de la
varianza explicada
por todos los
factores

Modelo matemtico

Suponemos que Xi son las variables o estmulos, y que adems se

encuentran tipificadas (si no estn tipificadas se utiliza matriz de
varianzas y covarianzas en vez de matriz de correlaciones)
Una investigacin cualquiera mide el total de p estmulos en una
muestra total de n individuos.

Modelo matemtico

El anlisis factorial viene dado por:

Cargas factoriales

El modelo supone que los factores comunes

estn estandarizados, factores especficos tienen
media 0 y estn incorrelacionados, y que ambos
tipos de factores estn incorrelacionados

Factores comunes

Factores nicos

Modelo matemtico

Expresin matricial:

Matriz de cargas factoriales Matriz factorial

Matriz de puntuaciones factoriales

Modelo matemtico

La varianza total del modelo puede

quedar expresada por:

Comunalidad
Varianza asociada a los
factores comunes. (La
suma de todas las
varianzas que un factor
aporta se llama valor
propio)

Especificidad
Contribucin del factor
nico a la variabilidad
total de Xi

Realizacin del anlisis de factores

Existe correlacin entre

las variables?

Realizacin del anlisis de factores

Test de esfericidad de Bartlett

Existe correlacin entre

las variables?

Este test revisa que la matriz de correlacin no sea la

matriz identidad (Hiptesis nula: la matriz de
correlaciones es la matriz identidad las variables son
independientes)

Medida de adecuacin de la muestra KMO

(Kaiser, Meyer, Olkin)
Se revisan las correlaciones parciales entre variables, cuando es
pertinente el anlisis factorial estas correlaciones deberan ser bajas
ya que eliminan el efecto del resto de las variables. El indicador KMO
se mueve entre 0 y 1, contra ms prximo a 1, menor es el valor de los
coeficientes de correlacin parcial.

Realizacin del anlisis de factores

Mediante que mtodo se

realizar la extraccin de
factores?

Realizacin del anlisis de factores

Mediante que mtodo se

realizar la extraccin de
factores?

Mtodo de componentes principales

Mtodo de mxima verosimilitud

A. Con altas comunalidades todos los mtodos se

comportan de igual forma
B. Con alta cantidad de variables (mayor a 30), la
comunidad tiene menos influencia en la solucin y
todos los mtodos tienden a comportarse igual

Realizacin del anlisis de factores

Qu cantidad de factores
se deben extraer?

Realizacin del anlisis de factores

Qu cantidad de factores
se deben extraer?

En general la solucin entregar una cantidad

reducida de factores tiles, los primeros con
altos pesos y el resto con bajos aportes.
Determinacin
previa

Regla de Kaiser

Se consideran slo los factores que

tienen un valor propio (varianza)
mayor que 1, es decir se retienen slo
aquellos que tienen una varianza
mayor que una variable (variables
tipificadas).

Uso del grfico de

sedimentacin

Realizacin del anlisis de factores

Es necesario rotar los

factores?

Qu mtodos existen?

Realizacin del anlisis de factores

Es necesario rotar los
factores?

Qu mtodos existen?

Principio de estructura simple (Thurstone)

A. Cada factor debe tener pocos pesos altos y el resto cercano a 0
B. Cada variable no debe estar saturada en ms de un slo factor
C. No deben existir factores con distribuciones similares

Cuando la estructura subyacente no es clara, es conveniente rotar

los factores. Al realizar esto, la comunalidad de cada variable no
se modifica (la especificidad no cambia), sin embargo si cambia la
varianza explicada de cada factor.

Realizacin del anlisis de factores

Es necesario rotar los
factores?

Qu mtodos existen?

Rotacin ortogonal (se mantiene la incorrelacin de factores) y

Rotacin oblicua (no se exige incorrelacin, slo singularidad)
Mtodo varimax: minimiza el nmero de variables con carga alta
en un factor, mediante el aumento de varianza de cargas
factoriales al cuadrado de cada factor
Mtodo Quartimax: altas correlaciones con un pequeo nmero
de factores
Mtodo equamax: maximiza la media de criterios anteriores

Anlisis de Factores
Profesor Gonzalo Amstica

Puntuaciones Factoriales

Desde la matriz de
puntuaciones factoriales es
posible reducir el problema de
forma directa.

Puntuaciones Factoriales

1. Cada factor estimado tenga

correlacin alta con el verdadero
factor
2. Cada factor estimado tenga
correlacin nula con los dems
factores
3. Los factores estimados sean
incorrelacionados de a pares, es decir
ortogonales
4. Los factores estimados sean
estimadores insesgados de los
verdaderos factores

Puntuaciones Factoriales

En general se puede considerar que la obtencin de las

puntuaciones factoriales es compleja, y que difiere de una
combinacin lineal de las variables originales (aunque se puede
realizar una aproximacin en algunos casos).

Mtodo de Regresin
Mtodo de Barlett

Mtodo de AndersonRubin

Anlisis de Factores
Profesor Gonzalo Amstica