10. ¿Qué es el Análisis de Factorial (AF)? ¿Para qué sirve?

Análisis factorial es una técnica estadística de reducción de datos usada

para explicar las correlaciones entre las variables observadas en términos
de un numero menor de variables no observadas llamadas factores. Las
variables observadas se modelan como combinaciones lineales de factores
más expresiones de error.
Se clasifica en
 El análisis factorial exploratorio (AFE): usada para tratar de
descubrir la estructura interna de un numero relativamente grande
de variables. La hipótesis a priori del investigador es que pueden
existir una serie de factores asociados a grupos de variables. Las
cargas de los distintos factores se utilizan para intuir la relación de
estos con las distintas variables. Es el tipo de análisis factorial más
común.
 El análisis factorial confirmatorio (AFC): determina si el numero
de factores obtenidos y sus cargas se corresponden con los que
cabria esperar a la luz de una teoría previa acerca de los datos. La
hipótesis a priori es que existen unos determinados factores
preestablecidos y que cada uno de ellos este asociado con un
determinado subconjunto de las variables. El análisis factorial
confirmatorio entonces arroja un nivel de confianza para poder
aceptar o rechazar dicha hipótesis. También considera las variables
como dos medidas que pueden ser cuantificadas constantemente.
El análisis factorial se utiliza para identificar factores que expliquen una
variedad de resultados en diferentes pruebas. Por ejemplo, investigación
en inteligencia halla que la gente que obtiene una nota alta en una prueba
de habilidad verbal también se desempeña bien en pruebas que requieren
habilidades verbales. Los investigadores explican esto mediante el uso de
análisis factorial para aislar un factor a menudo llamado inteligencia
cristalizada o inteligencia verbal, que representa el grado en el cual
alguien es capaz de resolver problemas usando habilidades verbales.

11. ¿Cuáles son los dos enfoques que se consideran en el análisis

factorial?
1. Analizar toda la varianza (común y no común) : utilizamos los unos
de la matriz de correlaciones. El método mas usual es el de análisis
de componentes principales.
 2. Analizar solo la varianza común: se sustituyen los unos de la
diagonal por estimaciones de la varianza que cada ítem tiene en
común con los demás (y que se denominan comunalidades). Para la
estimación de las comunidades no hay calculo único, existen
diversos procedimientos (correlaciones múltiples de cada ítem con
los demás, coeficientes de fiabilidad si cada variable es un test). El
procedimiento por el que se sustituyen los unos por las
comunalidades se denomina análisis de factores comunes.
Los dos enfoques caben bajo la denominación genérica de Análisis
Factorial, aunque es el Análisis de Factores Comunes al que con mas
prioridad se le aplica la denominación de Análisis Factorial.