Análisis factorial

Ir a la navegaciónIr a la búsqueda
Este artículo o sección tiene referencias, pero necesita más para
complementar su verificabilidad.
Este aviso fue puesto el 8 de mayo de 2020.

Análisis factorial es una técnica estadística de reducción de datos usada para

explicar las correlaciones entre las variables observadas en términos de un
número menor de variables no observadas llamadas factores. Las variables
observadas se modelan como combinaciones lineales de factores más
expresiones de error. El análisis factorial se originó en psicometría, y se usa en las
ciencias del comportamiento tales como ciencias sociales, marketing, gestión de
productos, investigación operativa, y otras ciencias aplicadas que tratan con
grandes cantidades de datos.

Índice

 1Ejemplo
 2Tipos de análisis factorial
 3Aplicaciones
 4Ejemplo
 5Historia
 6Bibliografía
 7Véase también
 8Referencias

Ejemplo[editar]
Es una simplificación con el objetivo de ilustrar el concepto:
Supóngase que un psicólogo propone una teoría según la cual hay dos tipos de
inteligencia, “inteligencia verbal” e “inteligencia matemática”. Nótese que estas son
inherentemente inobservables. Se busca evidencia para la teoría en las notas de
los exámenes, en 10 temas académicos, a 1000 estudiantes. Si cada estudiante
es seleccionado al azar de una población grande, luego, las 10 notas de cada
estudiante son variables aleatorias. La teoría de los psicólogos diría que por cada
una de las diez materias el promedio de todos los estudiantes que comparten un
par de valores para la inteligencias verbal y matemática es constante multiplicada
por el nivel de inteligencia verbal más otra constante multiplicada por el nivel de
inteligencia matemática, es decir, que hay una combinación lineal de estos dos
factores. Los números, para este caso particular, mediante el cual los dos tipos de
inteligencia se multiplican para obtener una nota determinada, se postulan
teóricamente que son similares para todos los pares obtenidos, lo mismo que el
peso de los factores para este tema. Por ejemplo, la teoría podría sostener que la
aptitud promedio del estudiante en la materia de anfibología es:
{10 × inteligencia verbal} + {6 × inteligencia matemática}
Los números 10 y 6 son los pesos de los factores asociados a anfibología.
Otras materias tendrán diferentes pesos. Dos estudiante que obtengan el
mismo grado de inteligencia verbal e idéntica inteligencia matemática podrían
tener aptitudes diferentes en anfibología porque las aptitudes individuales son
diferentes de las aptitudes promedio. La diferencia se denomina “error”, un
término estadístico para designar la diferencia que hay entre la nota de un
individuo y el promedio para su nivel de inteligencia.
Los datos observables que van en el análisis factorial serían las 10 notas de
cada uno de los 1000 estudiantes, un total de 10 000 valores. Los pesos de y
los niveles de los factores de las dos clases de inteligencia de cada estudiante
se deben derivar de estos datos, así como también el número de factores.

Tipos de análisis factorial[editar]

El análisis factorial exploratorio, AFE, se usa para tratar de descubrir la
estructura interna de un número 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, trata de determinar si el número de
factores obtenidos y sus cargas se corresponden con los que cabría 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
está 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.

Aplicaciones[editar]
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 obtienen 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.
Análisis factorial en psicología se asocia frecuentemente con la investigación
sobre la inteligencia. Sin embargo, también se ha utilizado en un amplio rango
de dominios, tales como personalidad, actitudes, creencias, etc. Está asociado
a la psicometría, debido a que puede evaluar la validez de un instrumento
estableciendo si el instrumento de verdad mide los factores postulados.

Ejemplo[editar]
Un análisis de metodología docente consideró las calificaciones de n = 54
estudiantes de la facultad de Biología de la ULA y m = 8 tipos de habilidades.
El primer factor principal que explicaba las calificaciones era la inteligencia del
estudiante y en segundo lugar la metodología de aprendizaje usada. 1

Historia[editar]
Los factores latentes de Francis Galton y los ejes principales de Karl
Pearson fueron los precedentes más inmediatos del análisis factorial. En
1904, Charles Spearman planteó una teoría de la inteligencia basada en la
existencia de factor común al que denominó g. De acuerdo con esta teoría, la
inteligencia de los individuos podía ordenarse a lo largo de una sola dimensión.
En la obra Multiple Factor Analysis de Louis Leon Thurstone se plantea un
análisis factorial con más de un factor común y se introducen la estructura
simple y las rotaciones de factores. La existencia de varias dimensiones
latentes hacía imposible una ordenación de los individuos en función de su
inteligencia. También permitía ubicar las
personalidades neuróticas y psicóticas en dimensiones distintas, en
contradicción con los principios de los psicoanalistas, que establecían una
continuidad entre ambos extremos.
Los métodos modernos para extraer los factores son los del análisis factorial
canónico de C.R. Rao, el método Alfa (H.F. Kaiser, J. Carey) y el método de
la máxima verosimilitud (D.N. Lawley, Karl Jöreskog).
El método varimax de rotación ortogonal es de Kaiser. J.B. Carroll introdujo la
rotación oblicua quartimin y A.E. Hendrickson y P.O. White la promax.
Hasta los años sesenta, el análisis factorial era principalmente exploratorio. En
esa época nació el análisis factorial confirmatorio que permite confirmar o
rechazar hipótesis planteadas en forma de una cierta estructura subyacente.