Documentos de Académico
Documentos de Profesional
Documentos de Cultura
2012, Frias-Navarro, Practicas Del Analisis Factorial Exploratorio en La Investigacion Sobre Conducta Del Consumidor y Marketing PDF
2012, Frias-Navarro, Practicas Del Analisis Factorial Exploratorio en La Investigacion Sobre Conducta Del Consumidor y Marketing PDF
19 No 1
Junio 2012, 47-58
ISSN 0121-4381
ISSN-E 2145-9797
Dolores Fras-Navarro
Marcos Pascual Soler
Universidad de Valencia, Espaa
RESUMEN
Palabras clave: anlisis El Anlisis Factorial Exploratorio (AFE) es una de las tcnicas estadsticas ms
factorial exploratorio, me- utilizadas en la investigacin social. El principal objetivo de este trabajo es descri-
todologa, conducta del bir las prcticas ms utilizadas por los investigadores en el rea de la conducta
consumidor, marketing del consumidor y el marketing. Mediante una metodologa de revisin documental
se analizan las prcticas de AFE en cinco revistas espaolas dedicadas a dicha
temtica (2000-2010). Se analizan las elecciones de los investigadores relaciona-
das con el modelo factorial, el criterio de retencin, la rotacin, la interpretacin de
los factores y otras cuestiones relevantes para el anlisis factorial. Los resultados
sugieren que los investigadores ejecutan los anlisis utilizando mtodos cuestio-
nables. Se presentan sugerencias para mejorar el uso del anlisis factorial y el
Recibido: Octubre 20 2011 informe de resultados y se proporciona un protocolo (Protocolo de Anlisis Facto-
Aceptado: Abril 25 2012 rial Exploratorio, PAFE) para ayudar a editores, revisores y autores a mejorar sus
informes de anlisis factorial exploratorio.
Esta investigacin ha sido financiada por el Ministerio de Economa y Competitividad (MINECO) de Espaa, proyecto EDU2011-22862.
La correspondencia relacionada con este artculo puede ser dirigida a Dolores Fras-Navarro. Direccin: Universidad de Valencia, Departamento
de Metodologa de las Ciencias del Comportamiento, Facultad de Psicologa. Avenida Blasco Ibez, 21, 46010 Valencia. Correo electrnico: M.Dolores.
Frias@uv.es.
46 Dolores Fras-Navarro, Marcos Pascual Soler
ABSTRACT
Key words: Exploratory Exploratory Factor Analysis (EFA) is one of the most widely used statistical pro-
factor analysis, cedures in social research. The main objective of this work is to describe the most
methodology, consumer common practices used by researchers in the consumer behavior and marketing
behavior, marketing area. Through a literature review methodology the practices of AFE in five consu-
mer behavior and marketing journals(2000-2010) were analyzed. Then, the choi-
ces made by the researchers concerning factor model, retention criteria, rotation,
factors interpretation and other relevant issues to factor analysis were analized.
The results suggest that researchers routinely conduct analyses using such ques-
tionable methods. Suggestions for improving the use of factor analysis and the
reporting of results are presented and a checklist (Exploratory Factor Analysis
Checklist, EFAC) is provided to help editors, reviewers, and authors improve re-
porting exploratory factor analysis.
El anlisis factorial exploratorio (AFE) es uno de La contribucin del AFE al avance del cono-
los mtodos estadsticos que se utiliza de manera cimiento cientfico es muy valiosa. Facilitar el
frecuente en la investigacin en ciencias sociales anlisis de los patrones de interrelacin entre
y seguramente es una de las tcnicas que ms las variables, reducir datos, clasificarlos y des-
decisiones requiere por parte del investigador a la cribirlos son cuestiones que el AFE resuelve de
hora de ejecutar dicho anlisis. Algunos crticos forma eficiente en todas las reas de las ciencias
del AFE centran sus limitaciones justamente en sociales. En concreto, el uso del AFE en el rea
cmo los investigadores aplican la tcnica y no del comportamiento del consumidor y el mar-
tanto en el valor de su utilidad (Comrey, 1978; keting permite plantear explicaciones tericas
Ford, MacCallum & Tait, 1986). En diferentes de la conducta que son comprobadas con ins-
estudios en los que se evala la conducta del trumentos de medida validados empricamente.
investigador se destaca el uso inapropiado que La conducta del consumidor, la del vendedor,
se realiza de ciertos aspectos crticos del proceso la satisfaccin del cliente, plantean hiptesis de
cmo a) la seleccin del mtodo de extraccin de trabajo que slo podrn ser comprobadas si se
los factores, b) el criterio para decidir el nme- disponen de instrumentos con calidad metodol-
ro de factores a retener y c) el tipo de rotacin gica y la validez de constructo es una condicin
(Conway & Huffcutt, 2003; Fabrigar, Wegener, necesaria para desarrollar y comprobar teoras
MacCallum & Strahan, 1999; Ford, et al., 1986; (Peter, 1981; Jarvis, MacKenzie & Podsakoff,
Gorsuch, 1983). 2003). Por ejemplo, la calidad del servicio ha
Cualquier instrumento de medida refleja el sido ampliamente medida con el modelo Servqual
constructo terico que se desea medir y tambin (SERVice QUALity) de Parasuraman, Zeithaml
el error de medida. Por ello es necesario que los y Berry (1988) quienes proponen cinco dimen-
instrumentos sean sometidos a procesos de vali- siones para medir el constructo (Soler, Llobel,
dacin a travs de los estudios psicomtricos de Navarro & Remrez, 2006).
validez del constructo y fiabilidad de la medida. La relevancia del anlisis factorial explorato-
La validez del constructo est relacionada con la rio como tcnica de estudio de las variables que
calidad de la operacionalizacin que la prueba identifican a los constructos psicolgicos puede
o test realiza del concepto o constructo que se quedar mermada si su aplicacin se realiza de
pretende medir (Cook & Campbell, 1979).Uno de manera mecnica o sin conocimiento del pro-
los mtodos estadsticos que permiten estudiar ceso metodolgico que subyace a cada uno de
la estructura de los constructos y su validez es los modelos de anlisis (Ford, McCallum & Tait,
el anlisis factorial exploratorio. 1986). Como se ha demostrado (Comrey, 1978;
Conway & Huffcutt, 2003; Costello & Osborne, tanto, como ya se ha comentado, la conducta
2005; Fabrigar, Wegener, MacCallum & Strahan, del investigador requiere del conocimiento de la
1999; Ford, MacCallu, & Tait, 1986; Henson & tcnica y la toma de decisiones en cada una de
Roberts, 2006; Schmitt, 2011; Tinsley & Tinsley, dichas etapas. El lector interesado en una revisin
1987), la ejecucin de la tcnica del AFE suele ms detallada del proceso del anlisis factorial
estar vinculada, en muchos ms casos de lo exploratorio puede consultar Abad, Ponsoda,
que sera deseable, a un uso automtico de las Olea y Garca (2011), Garca, Gil y Rodrguez
opciones por defecto que ofrecen los paquetes (2000), Ferrando y Anguiano-Carrasco (2010),
estadsticos, sin razonamiento terico que justi- Thompson (2004) y Yela (1997).
fique el uso del modelo de anlisis aplicado. En
concreto, este trabajo analiza la conducta del Estudio de las condiciones previas al
investigador y su toma de decisiones al ejecutar AFE
un AFE dentro del rea del comportamiento del Los estudios dirigidos a analizar la estructura
consumidor y el marketing. factorial de un instrumento de medida requieren
El principal objetivo de este trabajo es pre- como paso previo la justificacin y uso del AFE
sentar una visin detallada del uso de la tcnica en el rea de investigacin elegida. Adems, se
del AFE en las investigaciones publicadas sobre requieren una serie de actuaciones previas que
el estudio del comportamiento del consumidor y determinarn el uso ptimo de la tcnica.
del marketing. Las conclusiones que se alcancen Antes de la realizacin de un anlisis facto-
permitirn conocer en primer lugar qu tipo de rial es necesario calcular y examinar la matriz
decisiones y estrategias de anlisis aplican los de correlaciones o covarianzas de las variables
investigadores cuando utilizan AFE. En segundo objeto de estudio para comprobar si los datos
lugar, y teniendo en cuenta los resultados de poseen las caractersticas adecuadas para llevar
nuestro estudio de revisin, se podrn identificar a cabo el anlisis. En este sentido el investigador
posibles lneas de mejora para proponer una se- dispone de algunas pruebas que le permiten
rie de buenas prcticas que cualifiquen su uso. evaluar el grado de adecuacin de sus datos
Este trabajo se enmarca en la lnea de investi- (Bisquerra, 1989), como por ejemplo el test de
gacin que hemos desarrollado como equipo de esfericidad de Bartlett o el ndice de medida de
investigacin (Monterde-i-Bort, Fras-Navarro & adecuacin de la muestra KMO.
Pascual-Llobell, 2010; Navarro, Llobell & Prez, Otra cuestin importante es decidir el tamao
2000) desde hace ms de una dcada sobre la de la muestra con el objetivo de facilitar un ade-
cognicin estadstica y los usos y abusos de los cuado funcionamiento de la tcnica estadstica
mtodos y tcnicas estadsticas por parte de los del anlisis factorial exploratorio. Las recomen-
investigadores. daciones abordan tanto el tamao muestral total
Nuestro trabajo comienza con una breve del estudio como considerar el nmero de casos
presentacin de los principales contenidos me- por variable (N/p). Sin embargo, existe diversi-
todolgicos que rodean a la toma de decisiones dad de opiniones. Por ejemplo, Hair, Anderson,
en un anlisis factorial exploratorio, para pos- Tatham y Black (2004) sealan que nunca se
teriormente llevar a cabo una revisin de las debe realizar el anlisis con una muestra inferior
prcticas ms habituales en la aplicacin del a 50 observaciones, siendo preferible trabajar
AFE en el mbito de investigacin en el que se con 100 o ms unidades muestrales. Otros
ubica nuestro estudio. Conviene tener en cuenta autores opinan que la muestra nunca debera
que la ejecucin del AFE requiere una serie de ser inferior a 100 (Gorsuch, 1983; Kline, 1994).
etapas que incluyen anlisis preliminares de Guilford (1954) ya recomendaba un tamao de
la relacin entre las variables, estimacin del muestra mnimo de 200 casos y Cattell (1978)
modelo, evaluacin del ajuste obtenido, obten- opinaba que un N entre 200-250 casos sera
cin de la solucin transformada y dotacin de aceptable aunque propona 500 como un buen
significado e interpretacin de los factores. Por tamao muestral. Recientemente, De Winter,
Dodou y Wieringa (2009) sealan que un N=50 parmetros como el valor de las comunalidades
es un valor mnimo razonable. de las variables y de los pesos, el nmero de
Cuando se trata de considerar la proporcin variables por factor o el nmero de factores ob-
de nmero de casos por variable medida no existe tenidos (Gagn & Hancock, 2006; MacCallum,
acuerdo entre los investigadores. Gorsuch (1983) Widaman, Preacher & Hong, 2001; Velicer &
sugiere una proporcin de cinco participantes por Faba, 1998).MacCallum et al. (2001) sealan
variable medida pero Nunnally (1978) y Everitt que la estabilidad de la estructura factorial
(1975) proponen una relacin de 10:1 mientras mejora cuando se incrementa el tamao de la
que Hair, Anderson, Tatham y Grablowsky (1979) muestra, las comunalidades aumentan y crece
opinan que debera ser de 20:1. la proporcin del nmero de variables o tems
Otro tipo de recomendaciones se centran en por factor, p/f. Ferrando y Anguiano-Carrasco
el estudio del valor de las comunalidades de los (2010) afirman que para identificar claramente
tems o variables (Acito & Anderson, 1980) o en un factor se necesitan un mnimo de cuatro
el nmero de variables por factor, p/f (Browne, variables o tems con pesos substanciales en
1968). La comunalidad del tem expresa la parte el mismo.
de la variabilidad de cada variable o tem (varian- Conviene tener en cuenta que el anlisis
zas) que puede ser explicada por el conjunto de previo de las variables que van a ser incluidas
factores o componentes extrados en el anlisis. en el AFE es esencial. La medida en escala de
Se trata de la proporcin de varianza en las pun- intervalo al menos y la relacin lineal entre las
tuaciones del tem que puede explicarse desde variables son supuestos que deben cumplirse
el conjunto de factores obtenido. Por ejemplo y para aplicar de forma eficaz el AFE. La graduacin
utilizando la solucin tipificada y un modelo de de la escala tipo Likert utilizada y el anlisis de
un nico factor general, un peso factorial de 0.6 las distribuciones de las variables o tems son
indica la importancia que tiene el factor en la tareas que debe abordar el investigador antes
determinacin de la puntuacin en ese tem y de iniciar su AFE. La tcnica acta de forma
se puede interpretar como la correlacin entre ms eficaz cuando la escala Likert es de 5 o ms
el factor y el tem. El cuadrado del peso del tem categoras y las distribuciones son simtricas.
en el factor es la denominada comunalidad del Como Ferrando y Anguiano-Carrasco (2010)
tem. Cuanto mayor el valor de la comunalidad sealan, si los factores estn bien determinados
mayor es la importancia del factor (o factores) y las variables tienen poco error de medida se
y por lo tanto menor es el error. El cuadrado de podrn alcanzar soluciones estables con relati-
0.6 seala que el factor general explicara el 36% vamente poca muestra. En ltima instancia, la
de la varianza de las puntuaciones en ese tem, replicacin de la estructura factorial en diferen-
mientras que el 64% restante sera varianza de tes muestras es la mejor garanta de estabilidad
error. Si el modelo obtenido tiene dos factores de los factores que forman la estructura de un
entonces la comunalidad o varianza explicada cuestionario.
del tem se obtiene sumando los cuadrados de
los pesos de los dos factores. Hair, Anderson, Criterios seguidos para la realizacin
Tatham y Black (2004) sealan un valor mnimo del AFE
de comunalidad de 0.50. Una vez que se ha determinado que el anlisis
En definitiva, conseguir una estructura factorial exploratorio es una tcnica adecuada
factorial estable es uno de los objetivos que se para reducir las variables originales a un nmero
plantea un investigador al disear un instrumen- de factores que ofrezca la misma informacin,
to de medida. Y para ello es necesario trabajar el investigador debe decidir qu mtodo de es-
con un tamao de muestra cuyo valor depende timacin o de extraccin de los factores va a
de un conjunto de parmetros. Los estudios de utilizar. La eleccin del mtodo depende de: 1)
simulacin sealan que el tamao mnimo de la el objetivo del investigador, 2) el cumplimiento
muestra realmente es una funcin de diversos de los supuestos del modelo y 3) de la utiliza-
submuestras y con una de ellas se realiza el AFE Tabla 4 se comparan las puntuaciones observadas
y con la otra el AFC. en la revisin de artculos siguiendo el criterio
Como se observa en la Figura 1, los resultados de valoracin propuesto por Kaiser (1974).
sealan que las pruebas ms utilizadas por los Por ltimo, en el caso de la Medida de Ade-
investigadores para valorar la matriz de correla- cuacin de la Muestra(MSA) no se aportan en
ciones son el ndice de medida de adecuacin de ningn trabajo datos concretos del estadstico
la muestra KMOy elTest de esfericidad de Bartlett, correspondiente.
con un uso del 67.4% y un 52.3% respectiva-
mente. Tambin es necesario destacar el hecho Condiciones previas al AFE: tamao de
de que en el 30.3% de los anlisis estudiados, la muestra
los investigadores no especifican en su trabajo Como ya se ha comentado, el tamao de la
ningn dato relacionado con dichos ndices. muestra es una cuestin importante dado que
Respecto a la informacin que se aporta afecta a la precisin de los resultados. En la
alrededor de estos indicadores, los resultados mayor parte de los anlisis valorados en nuestro
sealan que en el 95.2% de los casos en los que estudio (94.7%) se utilizan muestras iguales o
se utiliza el Determinante se aporta informacin superiores a 100 unidades (Ver Figura 2).
complementaria a travs del estadstico corres- Una vez calculada la tasa de observaciones/
pondiente. En el caso del Test de Esfericidad de nmero de variables y tabulada la informacin,
Bartlett encontramos que en un 59.4% de los observamos que en el 84.0%de los casos anali-
casos se aporta el valor del estadstico, en un zados la tasase sita por encima de 10 obser-
85.5% se indica su nivel de significacin estads- vaciones por variable (26% una tasa entre 10:1
tica y tan slo en un 7.2% se indican los grados y 20:1, 22.1% una tasa entre 21:1 y 40:1 y el
de libertad de la prueba estadstica. 35.9% una tasa superior a 40:1).Slo el 16% de
Cuando analizamos la informacin relativa los trabajos utilizan una tasa inferior a 10:1.
al ndice KMO, se observa que en el 82.0% de
los casos se aporta el valor del estadstico. En la Criterios para la realizacin del AFE:
extraccin de los factores
Los resultados sealan que el mtodo ms
Tabla 3 utilizado por los investigadores para extraer los
Anlisis posterior a la ejecucin del AFE factores en el AFE es el procedimiento de com-
ponentes principales (64.4% de los anlisis) ya
N % que prcticamente se utiliza en todos los casos
Anlisis cluster 27 20,5 donde el investigador ha dado informacin sobre
Inclusin en un anlisis de
regresin 27 20,5
Anlisis factorial confirma- KMO 67,4
torio 24 18,2
TEST DE ESFERICIDAD DE BARTLETT 52,3
Inclusin en anlisis de
ecuaciones estructurales 13 9,8 DETERMINANTE 15,9
Ninguno 5 3,8
Figura 1. Indicadores usados para el anlisis de la
TOTAL 132 100,0
matriz de correlaciones
MS DE 400 UNIDADES MUESTRALES 34,1
KMO 67,4
Tabla 4
TEST DE ESFERICIDAD DE BARTLETT 52,3
Distribucin de puntuaciones del KMO y criterios de valoracin
DETERMINANTE 15,9
Distribucin de las
Criterios de valoracin propuestos
MSA 8,3 puntuaciones obtenidas en
por Kaiser (1974)
la revisin de artculos (%)
ANTI-IMAGEN 5,3
1,00 KMO > 0,90 EXCELENTES 27,4
0,90DE
EXAMEN DE MATRIZ KMO > 0,80
CORRELACIONES 4,5 BUENOS 27,4
0,80 KMO > 0,70 ACEPTABLES 20,6
NO ESPECIFICA 30,3
0,70 KMO > 0,60 MEDIOCRES 21,9
0,60 KMO > 0,50 0 20 40 60 80 MALOS
100 2,7
0,00 KMO 0,50 MUY MALOS 0,0
En concreto, el 19.8% de los casos analizados La mayora de los trabajos revisados superan la
quedan situados por debajo del criterio mnimo referencia mnima de 10 unidades muestrales por
del 60% de la varianza explicada comentado an- cada tem considerado. El anlisis de la matriz
teriormente, oscilando sus valores entre 50% y de correlaciones de aquellos estudios donde s
59%. En el 45.5% de los AFE se informa de un se presenta seala que las investigaciones se
valor entre 60% y 69% del porcentaje de varianza realizan con datos que son aptos para ejecutar el
explicada y en el 34.7% el valor se sita en el anlisis factorial exploratorio. Tambin hay que
70% o ms de varianza explicada. Solamente destacar que el informe de la varianza explicada
el 0.8% de los anlisis factoriales exploratorios y la nominacin de los factores es una prctica
estudiados detallan un valor de varianza expli- habitual y extendida entre los investigadores.
cada menor al 50%. Sin embargo, hay una serie de mejoras que
los investigadores deben adoptar cuando llevan a
Informe de los resultados de los cabo un anlisis factorial exploratorio. En primer
anlisis: comunalidades lugar, el investigador debera prestar ms atencin
El informe de las comunalidades de los al anlisis previo de la matriz de correlaciones
tems o variables no es una prctica extendida o covarianzas entre todas las variables o tems.
en los artculos que sobre AFE se llevan a cabo La tcnica del AFE es ms eficaz cuando las va-
en el mbito de la conducta del consumidor y riables estn altamente correlacionadas y para
el marketing. De hecho slo en el 14.4% de los analizar dichas relaciones se puede observar el
estudios analizados se aporta este tipo de datos determinante de la matriz de correlaciones o el
en el informe de investigacin. valor del test de esfericidad de Bartlett (1950).
Si el determinante de la matriz de correlaciones
Informe de los resultados de los es muy bajo entonces las correlaciones entre las
anlisis: nominacin de los factores variables sern altas, pero su valor no debe ser
La nominacin de los factores debera ser una exactamente cero (matriz no singular) ya que
tarea obligada en los informes de investigacin en ese caso las variables seran linealmente
donde se utiliza anlisis factorial exploratorio ya dependientes. El test de Bartlett permite con-
que con ello se facilita la interpretacin del modelo trastar la hiptesis de nulidad de ausencia de
factorial obtenido dando significado sustantivo correlacin entre las variables. Si se rechaza la
a las dimensiones encontradas. En el 60.6% de hiptesis nula se concluye que s existe relacin
los anlisis evaluados, el investigador lleva a entre las variables (Tabachnick & Fidell,2001).
cabo la nominacin sustantiva de los factores, El ndice de medida de adecuacin de la mues-
mientras que en el 35.6% de los casos el inves- tra KMO tambin permite analizar el grado de
tigador deja sin identificar de forma terica los relacin conjunta de las variables. La amplitud
factores y en el 3.8% se utilizan nominaciones de valores del KMO oscila entre 0 y 1 de manera
ya establecidas previamente en otros trabajos. que cuanto mayor es el valor, mayor relacin
existe entre los tems o variables. Kaiser (1970)
Discusin establece que la matriz de correlacin ser apro-
piada para factorizar si el valor de KMO es igual
El estudio de los 66 artculos publicados o superior a 0.80. Otros mtodos que permiten
donde se han desarrollado los anlisis factoria- analizar la correlacin entre las variables son
les exploratorios permite obtener una serie de la Medida de Adecuacin de la Muestra (MSA)
conclusiones relacionadas con la conducta del y la matriz de correlacin anti-imagen que es el
investigador y el cumplimiento de las conside- negativo del coeficiente de correlacin parcial
raciones metodolgicas para realizar un AFE. (la correlacin entre dos variables se parcializa
Los resultados sealan que en general, el teniendo en cuenta el resto de variables inclui-
tamao de la muestra utilizado en los estudios das en el estudio). En la diagonal de la matriz
de anlisis factorial exploratorio es adecuado. de correlaciones anti-imagen se encuentran
anlisis en general. Todo ello dentro del marco de contrastar con su propio criterio y experiencia.
la cognicin y educacin estadstica y el desarrollo Disponer de pruebas basadas en la mejor evi-
del pensamiento crtico y meta-analtico entre dencia es el primer paso para poder acumular
los investigadores y los lectores de los trabajos conocimiento cientfico.
de investigacin. El estudio de las prcticas metodolgicas del
Los resultados de este estudio sugieren que investigador en los diferentes campos de las cien-
la conducta del investigador requiere una edu- cias sociales (clnica, educacin, personalidad,
cacin estadstica que garantice la calidad de los etc.) es una tarea que debe ser realizada junto
anlisis y la validez de los resultados obtenidos, con la aportacin de reflexiones de educacin
siempre siguiendo el protocolo de actuacin que estadstica que mejoren la calidad de los resul-
la tcnica requiera. Slo as se podr ofrecer al tados de las investigaciones.
lector una informacin til y vlida que pueda
Apndice A
Referencias De Winter, J.C.F., Dodou, D., & Wieringa, P.A. (2009). Exploratory
factor analysis with small sample sizes. Multivariate Behavioral
Abad, F.J., Olea, J., Ponsoda, V., & Garca, C. (2011). Medicin en Research, 44, 147-181.
ciencias sociales y de la salud. Madrid: Sntesis.
Everitt, S. (1975). Multivariate analysis: The need for data, and other
Acito, F., & Anderson, R.D. (1980). A Mont Carlo comparison of factor problems. British Journal of Psychiatry, 126, 237-240.
analytic methods. Journal of Marketing Research, 17, 228-236.
Fabrigar, L.R., Wegener, D.T., MacCallum, R.C., & Strahan, E.J.
Bartlett, M.S. (1950). Tests of significance in factor analysis. British (1999). Evaluating the use of exploratory factor analysis in psy-
Journal of Mathematical and Statistical Psychology, 3, 77-85. chological research. Psychological Methods, 4, 272-299.
Bisquerra, R. (1989). Introduccin conceptual al anlisis multivariable. Ferrando, P.J., & Anguiano-Carrasco, C. (2010). El anlisis factorial
Un enfoque informtico con los paquetes SPSS-X, BMDP, LISREL como tcnica de investigacin en Psicologa. Papeles del Psic-
y SPAD. Barcelona: PPU. logo, 31, 18-33.
Browne, M.W. (1968). A comparison of factor analytic techniques. Psy- Ford, J.K., MacCallum, R.C., & Tait, M. (1986). The
application of ex-
chometrika, 33, 267-334. ploratory factor analysis in applied psychology: A critical review
and analysis. Personnel Psychology, 39, 291-314.
Cattell, R.B. (1966). The Scree test for the number of factors. Multiva-
riate Behavioral Research, 1, 245-276. Fras-Navarro, D. (2011). Tcnica estadstica y diseo de investigacin.
Valencia: Palmero Ediciones.
Cattell, R.B. (1978). The scientific use of factor analysis in behavioral
and life sciences. New York, NY: Plenum Press. Gagn, P., & Hancock, G.R. (2006). Measurement model quality, sim-
ple size, and solution propriety in confirmation factor models.
Cervio, J., Gmez, M., & Cruz, I. (2001). Valoracin y preferencia de
Multivariate Behavioral Research, 41, 65-83.
las revistas acadmicas en el rea de marketing: una aplicacin
del anlisis conjunto. Informacin Comercial Espaola, ICE: Re- Garca, E., Gil, J., & Rodrguez, G. (2000). Anlisis factorial. Madrid: La
vista de Economa, 795, 155-178. Muralla. Coleccin Cuadernos de Estadstica.
Horn, J.L. (1965). A rationale and test for the number of factors in Peter, J.P. (1981). Construct validity: A review of basic issues and mar-
factor analysis. Psychometrika, 30,179-185. keting practices. Journal of Marketing Research, 18, 133-145.
Jarvis, C.B., MacKenzie, S.B., & Podsakoff, P.M. (2003). A critical re- Schmitt, T. A. (2011). Current methodological considerations in explo-
view of construct indicators and measurement model misspeci- ratory and confirmatory factor analysis. Journal of Psychoedu-
fication in marketing and consumer research. Journal of Consu- cational Assessment, 29, 304-321.
mer Research, 30, 199-218.
Soler, M.P., Llobel, J.P., Navarro, M.D.F., & Remrez, J.R. (2006). Ca-
Kaiser, H.F. (1960). The application of electronic computers to factor lidad de servicios en supermercados: una propuesta de medi-
analysis. Educational and Psychological Measurement, 20, 141- cin. Psicothema, 18, 661-667.
151.
Tabachnick, B.G., & Fidell, L.S. (2001). Using multivariate statistics.
Kaiser, H.F. (1970). A second generation little jiffy. Psychometrika, 35, New York, NY: Harper & Row.
401-415.
Tinsley, H.E.A., & Tinsley, D. J. (1987). Uses of factor analysis in coun-
Kaiser, H.F. (1974). An index of factorial simplicity. Psychometrika, 39, seling psychology research. Journal of Counseling Research, 34,
31-36. 414-424.
Kline, P. (1994). An easy guide to factor analysis. Londres: Routledge. Thompson, B. (2004). Exploratory and confirmatory factor analysis: Un-
derstanding concepts and applications. Washington, DC: Ameri-
Lorenzo-Seva, U., & Ferrando, P.J. (2006). FACTOR: A computer pro- can Psychological Association.
gram to fit the exploratory factor analysis model. Behavior Re-
search Methods, 38, 88-91. Thompson, B., & Daniel, L.G. (1996). Factor analytic evidence for the
construct validity of scores: A historical overview and some gui-
MacCallum, R.C, Widaman, K.F., Preacher, K.J., & Hong, S. (2001). delines. Educational and Psychological Measurement, 56, 197-
Sample size in factor analysis: The role of model error. Multiva- 208.
riate Behavioral Research, 36, 611-637.
Thurstone, L.L. (1935). The vectors of mind. Chicago: Chicago Univer-
Monterde-i-Bort, H., Fras-Navarro, D., & Pascual-Llobell, J. (2010). sity Press.
Uses and abuses of statistical significance tests and other sta-
tistical resources: a comparative study. European Journal of Velicer, W.F., & Faba, J.L. (1998).Effects of variable and subject sam-
Psychology of Education, 25, 429-447. pling on factor pattern recovery. Psychological Methods, 3, 231-
251.
Navarro, M.D.F., Llobell, J.P., & Prez, J.F.G. (2000). Tamao
del efec-
to del tratamiento y significacin estadstica. Psicothema,12, Velicer, W.F., & Jackson, D.N. (1990). Component analysis versus
236-240. common factor-analysis: Some further observations. Multiva-
riate Behavioral Research, 25, 97-114.
Nunnally, J.C. (1978). Psychometric theory (2nd Ed.). New York: Mc-
Graw-Hill. Yela, M. (1997). La tcnica del anlisis factorial. Un mtodo de inves-
tigacin en psicologa y pedagoga. Madrid: Biblioteca Nueva.
OConnor, B.P. (2000). SPSS and SAS programs for determining the
number of components using parallel analysis and Velicers Zwick, W.R., & Velicer, W.F. (1986). Comparison of five rules for de-
MAP test. Behavior Research Methods, Instrumentation, and termining the number of components to retain. Psychological
Computers, 32, 396-402. Bulletin, 99, 432-442.