PARTE I 1. Conceptos teóricos que fundamentan la técnica multivariada de Análisis Factorial.

El Análisis Factorial es una técnica estadística multivariante cuyo principal propósito es sintetizar las interrelaciones observadas entre un conjunto de variables en una forma concisa y segura como una ayuda a la construcción de nuevos conceptos y teorías. Para ello utiliza un conjunto de variables aleatorias inobservables, que llamaremos factores comunes, de forma que todas las covarianzas o correlaciones son explicadas por dichos factores y cualquier porción de la varianza inexplicada por los factores comunes se asigna a términos de error residuales que llamaremos factores únicos o específicos. El Análisis Factorial puede ser exploratorio o confirmatorio. El análisis exploratorio se caracteriza porque no se conocen a priori el número de factores y es en la aplicación empírica donde se determina este número. Por el contrario, en el análisis de tipo confirmatorio los factores están fijados a priori, utilizándose contrastes de hipótesis para su corroboración. 2. Modelo matemático Sean X1, X2,…, Xp las p variables objeto de análisis que supondremos en todo lo que sigue, que están tipificadas. Si no lo estuvieran el análisis se realizaría de forma similar pero la matriz utilizada para calcular los factores no sería la matriz de correlación sino la de varianzas y covarianzas. El investigador mide estas variables sobre n individuos, obteniéndose la siguiente matriz de datos:

j=1.p.….….….Fk (k<<p) son los factores comunes y u1.. los factores específicos tienen media 0 y están incorrelados (E(ui) = 0.p. que los factores comunes están a su vez estandarizados (E(Fi) = 0.p) y que ambos tipos de factores están incorrelados (Cov(Fi.k....k} las cargas factoriales. Índice de discriminación o análisis de ítems Para hallar el índice de discriminación de una prueba se forman dos grupos de estudiantes en función de sus respuestas correctas. además. j=1.…up los factores únicos o específicos y los coeficientes {aij. Se supone.. Se supone que los estudiantes del grupo superior tendrán mejores respuestas que los del grupo inferior y el índice de discriminación será más alto cuanto . Var(Fi) = 1).. i=1.El modelo del Análisis Factorial viene dado habitualmente por las ecuaciones: X1 = a11F1 + a12F2 +…+a1kFk + u1 X2 = a21F1 + a22F2 +…+a2kFk + u2 ………………………………… Xp = ap1F1 + ap2F2 +…+apkFk + up donde F1.…. 3.uj) = 0 si i≠j. El grupo superior está constituido por los estudiantes que respondieron mejor y el grupo inferior por los que alcanzaron puntajes más bajos.uj) = 0. Cov(ui. i=1. ∀i=1.. j. El índice de discriminación se establece analizando las diferencias de las respuestas correctas del grupo superior y las respuestas correctas del grupo inferior.

El puntaje total de la prueba es 20. Entonces: Id = 18 − 11 x 100 = 35 20 Para interpretar esta cifra se recurre a la siguiente tabla: 40% a más = 30% al 39% = 20% al 29% = menos de 19% = Buen índice de discriminación. . de mayor a menor. Para hallar el índice de dificultad de una prueba se aplica la siguiente fórmula: Id = pms − pmi x 100 PM= Índice de dificultad de la prueba. Otro ejemplo: Hallar el índice de discriminación de una prueba en la que el puntaje máximo del grupo superior es 15 y el puntaje máximo del grupo inferior es 6. La prueba analizada posee un razonable índice de discriminación. Si se ha aplicado una prueba a un grupo de 50 estudiantes y se ha elaborado el orden de mérito. 45 % significa que esta prueba posee un buen índice de discriminación. Regular índice de discriminación. PM = Puntaje máximo de la prueba. El puntaje máximo de la prueba es 20. Ejemplo: Hallar el índice de discriminación de una prueba en la que el puntaje máximo de respuestas del grupo superior es 18 y el puntaje máximo de respuestas correctas del grupo inferior es 11.mayor sea la diferencia de las puntuaciones correctas del grupo superior con respecto a las del grupo inferior. Deficiente índice de discriminación. Donde: Id pms = Puntaje máximo de respuestas correctas del grupo superior. Razonable índice de discriminación. pmi = Puntaje máximo de respuestas correctas del grupo inferior. se considerará grupo superior a los 25 estudiantes que obtienen las más altas puntuaciones y grupo inferior a los 25 restantes que tienen más bajas puntuaciones.

La matriz factorial puede presentar un número de factores superior al necesario para explicar la estructura de los datos originales. aunque estrictamente sólo son correlaciones cuando los factores no están correlacionados entre sí. Los pesos factoriales indican el peso de cada variable en cada factor. el Análisis Factorial extrae otra matriz. ponderaciones o saturaciones factoriales. que son los que explican la mayor parte de la variabilidad total. Lo ideal es que cada variable cargue alto en un factor y bajo en los demás. . los primeros. son ortogonales. es decir. cargas. consiste en determinar el número de factores que debemos conservar. Uno de los problemas que se plantean.4. la matriz factorial. Estos coeficientes reciben el nombre de pesos. Generalmente hay un conjunto reducido de factores. de manera que se cumpla el principio de parsimonia. Creación y análisis de la matriz factorial A partir de la matriz de correlaciones. por tanto. Los elementos Pij pueden interpretarse como índices de correlación entre el factor i y la variable j. que reproduce la primera de forma más sencilla y tiene la forma siguiente: 1 1 2 3 4 5 6 P11 P12 P13 P14 P15 P16 2 P21 P22 P23 P24 P25 P26 Cada columna es un factor y hay tantas filas como variables originales. Los otros factores suelen contribuir relativamente poco.

Existen diversos métodos cada uno de ellos con sus ventajas e inconvenientes. El modelo factorial en forma matricial viene dado por X = FA’ + U y el problema consiste en cuantificar la matriz A de cargas factoriales que explica X en función de los factores. facilitando al investigador un mayor acercamiento a los fenómenos sociales. El primero tiene que ver con "las variables y sus interrelaciones" y el segundo enfoque está relacionado con la evaluación de "la calidad de los datos". Xp y Ψ = diag(ψi) es la matriz diagonal de las especificidades. a partir de modelos matemáticos con los que se representan las múltiples dimensiones de la realidad.. una vez que se ha determinado que el Análisis Factorial es una técnica apropiada para analizar los datos. . el análisis discriminante y el análisis de conglomerados. Junto con el análisis factorial se estudian los factores explicativos del desempleo. Creación de componentes o factores El objetivo del Análisis Factorial consiste en determinar un número reducido de factores que puedan representar a las variables originales. Conclusiones  Las técnicas multivariadas permiten el estudio interrelacionado de las variables sociales y demográficas. 6..  Las principales técnicas del análisis multivariado: el análisis factorial. Por tanto. .. A partir de esta expresión se deduce la llamada identidad fundamental del Análisis Factorial: Rρ = AA’ + ψ donde Rρ es la matriz de correlación poblacional de las variables X1.5. Para una mejor comprensión y utilidad de estas técnicas se utilizan dos enfoques. debe seleccionarse el método adecuado para la extracción de los factores.

G. a partir de la clasificación de los departamentos en función de un conjunto de variables determinadas. y RODRIGUEZ GOMEZ. 7. . Cuadernos de Estadística. (2000). GIL FLORES. . GARCIA JIMÉNEZ. J. "Manual del Análisis Factorial " . Fuentes de consulta empleadas ANDREW L.. España 1985. Comrey. Análisis Factorial. Editorial La Muralla.Con el análisis discriminante se estudia la fecundidad. E.Cátedra. mediante la conformación de grupos de mujeres de acuerdo a un conjunto de variables seleccionadas y con el análisis de conglomerados se estudia del índice de desarrollo humano.

¿Cuándo es adecuado o recomendable realizar un Análisis Factorial? La aplicación del AF es más efectiva cuando todas las variables que intervienen son cuantitativas. Un factor debe estar definido al menos por tres ítems para que merezca la pena tenerlo en cuenta. 3.PARTE II Responder a las siguientes preguntas en la parte final de la monografía: 1. 2º El análisis factorial del instrumento junto con otros instrumentos. o dicho con más propiedad. en el que los ítems son la unidad de análisis. y en este caso el instrumento o escala es la unidad de análisis. . que lo define o explica suficientemente. los coeficientes de la matriz de correlación en muchos casos no son interpretables. debe tener en él una correlación razonablemente alta (. De lo contrario no se le consideraría. ¿Cuáles son sus criterios en los que se deben basar para considerar que la matriz factorial obtenida es válida? Hay que distinguir dos usos del análisis factorial en el contexto de la validez: 1º El análisis factorial del instrumento.30 o más) y no tenerlas mayores en otro factor. debido a que el algoritmo del programa SPSS. ¿Cuál es el criterio que se debe tener en cuenta para no considerar un ítem o pregunta en la creación la matriz factorial? Para que un ítem se considere que pertenece a un factor. Cuando intervienen variables cualitativas y cuantitativas en el AF. que sirve para calcular este coeficiente se aplica solo a variables cuantitativas 2.

El primer componente principal es la combinación que da cuenta de la mayor cantidad de la varianza en la muestra. Con el fin de determinar el número de factores necesarios para representar los datos.4. El segundo componente principal responde a la siguiente cantidad de varianza inmediatamente inferior a la primera y no está correlacionado con el primero. resulta muy útil examinar el porcentaje total de la varianza que es explicada por cada uno de ellos. Por lo que el total de la varianza estará determinada por el total de las variables incluidas en el estudio. se forma una combinación lineal de las variables observadas. Esto se expresa de manera estandarizada con una media de cero y una desviación estándar de 1. El método de Análisis de Componentes Principales. . La varianza total es la suma de las varianzas de cada variable. Así sucesivamente los componentes explican proporciones menores de la varianza de la muestra total. ¿Cómo se determina la cantidad de factores o componentes? Para ello se cuenta con diversos métodos los cuales difieren en el criterio que usan para definir lo que es una buena selección.

Sign up to vote on this title
UsefulNot useful