ANALISIS FACTORIAL

ANÁLISIS FACTORIAL

• Cuando se recogen un gran número de variables o ítems se puede estar interesado

en averiguar si las preguntas del cuestionario se agrupan de alguna forma
característica.
• Aplicando un análisis factorial a las respuestas de los sujetos se pueden encontrar
grupos de variables con significado común y conseguir de este modo reducir el
número de dimensiones necesarias para explicar las respuestas de los sujetos.
• Fundamentalmente lo que se pretende con el Análisis Factorial es simplificar la
información que nos da una matriz de correlaciones para hacerla más fácilmente
interpretable.
 ANÁLISIS FACTORIAL

• Se busca la síntesis de la información proporcionada por cierto grupo de

variables observadas, en un número inferior de variables no observadas,
con la menor pérdida de información posible. Dichas variables no
observadas, darían cuenta de conceptos no observables directamente, que
engloban lo que tienen en común las variables observadas.
• El Análisis Factorial es, por tanto, una técnica de reducción de la
dimensionalidad de los datos.
• Esta serie menor de variables latentes (factores o componentes) se
caracteriza por aglutinar variables empíricas que están bastante
correlacionadas entre sí y escasamente correlacionadas con aquellas
variables empíricas que conforman otra estructura latente (o dimensión
del concepto que se analice). Esto implica que la "no correlación" entre
grupos de variables es una propiedad importante. Significa que los
indicadores miden "dimensiones" diferentes en los datos.
 ¿QUÉ ES UN FACTOR?

• En realidad los factores no existen, lo que existe de cada sujeto es una suma de sus
respuestas a una serie de ítems o preguntas, una combinación lineal de variables
(ítem a + ítem b + ítem c + … ). La suma total de ítems son distintos para cada
sujeto, o pueden serlo, la varianza de los totales nos expresa la diversidad que
existe entre los sujetos.
• El análisis factorial se reduce a la búsqueda de estos pesos para localizar medidas
distintas a partir de las variables originales, y de manera que, a poder ser, entre
todas las nuevas medidas agoten o expliquen toda la varianza presente en las
variables originales.
• En el análisis factorial todas las variables del análisis cumplen el mismo papel: todas
ellas son independientes en el sentido de que no existe a priori una dependencia
conceptual de unas variables sobre otras.
 PROPÓSITO ANÁLISIS FACTORIAL

Propósito Validez de
Confiabilidad
General Su propósito es buscar el Constructo
Permite determinar
número mínimo de
Es útil para mirar la validez de constructo,
dimensiones que
confiabilidad del cuando se crea una
expliquen el máximo de
instrumento: escala. (análisis factorial
información contenida en
exploratorio)
los datos.

Permite verificar la
Se utiliza para identificar
construcción de una
ítems o reactivos que no
escala, cuando los
aportan al factor y por lo
factores se especifican
tanto, se pueden
previamente. (análisis
eliminar.
factorial confirmatorio)
 TIPOS DE ANÁLISIS FACTORIAL

ANALISIS FACTORIAL ANALISIS FACTORIAL

EXPLORATORIO CONFIRMATORIO

• No se sabe cuales son los factores que
podrían surgir.
• Por lo tanto se analizan los datos para
obtener los factores.
• El investigador ya sabe los factores, y
busca confirmar o refutar un modelo
sugerido previamente.
• Se definen a priori cuales son los
factores, y esos se contrastan con los
datos.
 ¿QUÉ HACE EL ANÁLISIS FACTORIAL?

• Se encarga de analizar la varianza común a todas las variables. Partiendo de una

matriz de correlaciones, trata de simplificar la información que ofrece.
• Se opera con las correlaciones elevadas al cuadrado r2 (coeficientes de
determinación), que expresan la proporción de varianza común entre las
variables.
¿QUÉ HACE EL ANÁLISIS FACTORIAL?

• Se encarga de analizar la varianza común a

todas las variables.
• Partiendo de una matriz de correlaciones,
trata de simplificar la información que ofrece.
 ¿QUÉ ES LA VARIANZA?

• La varianza (σ) indica el promedio en

la distancia de la media que tienen los
distintos valores, elevada al cuadrado.
• Mientras mayor varianza, mayor
“variabilidad” o variación en los datos.
• Lo que hace la varianza es establecer
la variabilidad de la variable
aleatoria.
• https://www.disfrutalasmatematicas.co
m/datos/desviacion-estandar.html
 ¿QUÉ ES LA VARIANZA COMÚN?

Varianza Varianza Varianza

compartida específica total de un
o común + error ítem

• Varianza común: covarianza o comunalidad

¿QUÉ ES UNA CORRELACIÓN?

• Es una técnica estadística que nos indica si dos variables

están relacionadas o no.
• Hay correlaciones lineales:
• Correlación positiva: Mientras una variable aumenta, la
otra variable también aumenta. Ej. Mientras más estudia
una persona mejor nota obtiene.
• Correlación negativa: Mientras una variable aumenta, la
otra variable disminuye. Ej. Si aumenta el precio de un
producto, disminuye la demanda de ese producto.
• Hay correlaciones no lineales: hay relación entre dos
variables pero no siguen el grafico de una línea.
• Ej: la relación entre ansiedad y resultados en un test. Si una
persona está muy ansiosa le va mal; pero si está muy poco
ansiosa tampoco da lo mejor de sí; obtiene mejor
rendimiento cuando tiene un nivel de ansiedad moderado.
• Correlación nula, o sin correlación: la variación de una
variable no afecta en nada a la otra variable.
 COEFICIENTE DE CORRELACIÓN

• Para el Analisis Factorial, se requiere que las variables se relacionen en forma

LINEAL.
• Un estadístico que calcula la correlación lineal entre dos variables es el
coeficiente de Pearson. Su símbolo es un “r”
• Su valor oscila, como ya se ha indicado, en términos absolutos, entre 0 y 1.
• El coeficiente de correlación es un valor que indica la fuerza de la correlación
entre las variables medidas.
 MATRIZ DE CORRELACIÓN

• Una matriz de correlación es una

tabla, que contiene la correlacion
Item 1 Item 2 Item 3
que existe entre las variables.
• En cada casilla de la matriz de Item 1 1,0 0,6 0,8

correlaciones se refleja la Item 2 0,6 1,0 0,7

proporción de varianza común a
Item 3 0,8 0,7 1,0
dos ítems o variables, excepto en la
diagonal principal (donde cada ítem
coincide consigo mismo).
 COEFICIENTE DE DETERMINACIÓN

• Coeficiente de determinación es r al cuadrado (r²)

• Cuando el coeficiente r de Pearson se eleva al cuadrado, el resultado indica el
porcentaje de la variación de una variable debido a la variación de la otra y
viceversa. Es decir, es la proporción de la variación en Y explicada por X.
• Puede adoptar cualquier valor entre 0 y 1, inclusive.
• Por ejemplo, si la correlación entre inteligencia y rendimiento académico es de 0.8,
significa que 0.82 = 0.64 es la proporción de varianza compartida entre ambas
variables. Puede interpretarse como que un 64% del rendimiento académico es
debido a la inteligencia -variabilidad explicada-, o bien, que inteligencia y
rendimiento académico comparten un 64% de elementos, o lo que es lo mismo,
tanto la inteligencia como el rendimiento ponen en juego un 64% de habilidades
comunes.
 ¿QUÉ HACE EL ANÁLISIS FACTORIAL?

• Se encarga de analizar la varianza común a todas las variables. Partiendo de una

matriz de correlaciones, trata de simplificar la información que ofrece.
• Se opera con las correlaciones elevadas al cuadrado r2 (coeficientes de
determinación), que expresan la proporción de varianza común entre las
variables.
 VIDEO EXPLICATIVO DE ANÁLISIS
FACTORIAL

• https://www.youtube.com/watch?v=diRKhwbDVnc