Metodos de la psicologia diferencial

METODOLOGIA CARACTERISTICA DE LA PSICOLOGIA DIFERENCIAL

El Método Científico Natural aplicado a la Psicología

El MCN (Método Científico Natural) a la Psic. Diferencial viene determinado por la

voluntad del estudio positivo y empírico de la variabilidad del comportamiento
humano.

Implica una estrategia que tiene 2 limitaciones y características básicas:

1. Trabajar con categorías no observables (rasgos, estados, etc.) que son las
responsables de las diferencias.
2. Introducir al sujeto en los procedimientos de investigación con las
consecuencias que esto plantea.
El MCN se adoptó muy pronto en el desarrollo científico de la Psicología en sus
dos tradiciones :

 en la tradición empirista: método analítico-inductivo, p.e.j.: el funcionalismo

de Woodworth y el conductismo de Skinner.
 en la tradición racionalista: método hipotético-deductivo, p.ej.: Hull y la
Gestalt.
En la actualidad se aboga por una integración de ambos en un nuevo método
mixto llamado:

INDUCTIVO-HIPOTÉTICO-DEDUCTIVO (IHD)

propuesto por Cattel.

El proceso de investigación científica en Psicología se compone de 3 fases:

1. Descubrimiento de los fenómenos (hechos) y su comprobación empírica

(Inducción)
2. Abstracción, clasificación y/o categorización de las generalizaciones
empíricas (hipótesis).
3. Interpretación de los hechos mediante la formación de una teoría (o modelo
teórico) (Deducción)
Los procedimientos en este enfoque (IHD) de Catell van desde el uso de técnicas
correlacionales o de Análisis Factorial (AF) en una primera etapa de
descubrimiento de un hecho, hasta las diferentes técnicas que se utilizan
normalmente en psicología.
El AF juega un papel específico en la labor inductiva y el AF exploratorio puede
utilizarse también con propósitos confirmatorios si utilizamos variables criterio para
ello.

En el IHD coexisten sobre todo dos tradiciones que representan dos formas de
entender la investigación en psicología:

 La CORRELACIONAL
 LA EXPERIMENTAL
si bien, algunos autores (Cronbach, Eysenck) consideran esta división un error.

METODOS EXPERIMENTALES (E-R) vs. METODOS CORRELACIONALES (R-

R)

Métodos Correlacionales (R-R):

 Propio de la Psicología Diferencial

 Sigue el principio de correlación (R-R)
 Tiene su origen en los trabajos de Galton y Spearman interesados en
conocer la causa de las diferencias entre los organismos.
 Las técnicas de correlación, regresión y AF permitió inferir las dimensiones
comunes que justificaban las diferencias individuales.
 Las medidas se obtienen en contexto natural mediante observación
 Naturaleza no manipulativa y multivariada
 Basada en el estudio de la covariación de las respuestas para descubrir la
estructura de la conducta
 Este enfoque da origen a la Psicología Diferencial.
Características de la Ps. Diferencial:

 pretende comprender las diferencias individuales que son susceptibles de

influir en el comportamiento de un sujeto, en una o varias situaciones.
 la base de cuantificación y análisis de los resultados es la correlación (AF).
 es de inspiración racionalista
 busca realizar inferencias sobre los procesos internos del organismo
 ha cometido el “error estructural” que consiste en suponer que la conducta
(estructura univariante del comportamiento) corresponde a la forma o estructura
de los procesos que provocan ese comportamiento.
 Las variables diferenciales obtienen sus significado de las operaciones
psicométricas de medida y son variables, puesto que los sujetos puntúan de forma
diferente en las dimensiones evaluadas.
Métodos Experimentales (E-R):

 Sigue el principio de causalidad (teorías E-R) propia de la Psicología

General-Experimental.
 Enfoque iniciado por Wundt y Paulov con la aplicación de los métodos de la
fisiología experimental al estudio de las actividades psíquicas.
 Planteamiento de naturaleza experimental, molecular, preoucupado por
estudiar aisladamente ciertos fenómenos con independencia del organismo que
los produzca.
 Es de naturaleza bivariada.
 Obtiene los efectos que quiere estudiar mediante la manipulación de las
variables exógenas en el contexto del laboratorio.
 Objetivo: compresión de los fenómenos estudiados basándose en la
causalidad provocada experimentalmente bajo el control del experimentador.
 Utiliza la estadística inferencial siguiendo el modelo del AVAR.
 Da origen a la Psicología Experimental
Características de la Psicología Experimental:

 quiere descubrir las leyes generales objetivas que describen las funciones
R=f(E) mediante la manipulación de variables independientes objetivas, o sea,
componentes situacionales susceptibles de influir en el comportamiento de los
individuos.
 las variables experimentales están definidas en términos de las operaciones
que hay que realizar para modificarlas y son variables porque las condiciones
experimentales son distintas.
LA CAUSALIDAD Y EL ESTUDIO DE LAS DIFERENCIAS INDIVIDUALES

 Ninguno de los dos métodos explican las causas de las diferencias entre
individuos, ni pueden tampoco sacarse conclusiones sobre las causas partiendo
de los resultados de los análisis estadísticos.
 La causalidad nunca se deriva de un índice estadístico “per se” sino de un
conjunto de restricciones metodológicas en las cuales la selección de la muestra,
la organización del diseño, la adecuada interpretación de los resultados, etc,, son
elementos que garantizan que las relaciones entre causa y efecto sean
unidireccionales, secuenciales y funcionales a la vez.
 Hay que diferenciar entre una observación y una inferencia:
 Observación: acto de registrar un acontecimiento público mediante
los órganos de los sentidos.
 Inferencia: a partir de ciertos elementos observados, extraemos
conclusiones acerca del significado de lo observado.
 Los datos científicos sólo nos permiten decir, estrictamente, que existe una
asociaciones de fenómenos. Accionamos un mecanismo y sucede un fenómeno:
cuando esto ocurre decimos que dos sucesos covarían o están correlacionados.
 Podemos observar la correlación, no la causación.
DE LA OBSERVACION A LA MEDIDA DE LAS DIFERENCIAS INDIVIDUALES
EN LA CONDUCTA
LA OBJETIVIDAD DE LAS OBSERVACIONES

La CONDUCTA es el fenómeno observable que nos permite inferir la existencia de

variabilidad individual en las capacidades psicológicas.

Para poder estudiarla científicamente la podemos dividir en segmentos

identificables por parámetros espacio-temporales: caminar, abrazar, etc.

La conducta puede observarse en un medio natural o en condiciones más

controladas (experimentos o cuasi-experimentos) en cuyo caso podemos
encontrar dos tipos de fenómenos:

 los manipulables: en este caso podemos observar la conducta en el

contexto del laboratorio y mediante experimentos.
 los no manipulables: mediante test psicológicos.
Nos interesa el estudio de la conducta en tanto es un indicador de los procesos
psicológicos que la sustentan y en la media que estos indicadores sean
adecuados para los procesos psicológicos a estudiar diremos que estamos ante
indicadores válidos.

Los datos procedentes de la observación deben cumplir tres condiciones mínimas:

1.- Ser objetivos: lo son sin son independientes del observador. El grado de
objetividad puede evaluarse mediante índices cuantitativos como la correlación
interobservadores o los coeficientes de contingencias. Hay 3 tipos de objetividad:

1. la objetividad en el registro: afectada por influencias del observador en los

sujetos y otros fenómenos.
2. la objetividad en la evaluación: al realizar la estimación de un fenómeno no
se aplica adecuadamente las reglas de la medición.
3. la objetividad de interpretación: proceso por el cual se toman decisiones a
partir de datos distintos.
En Ps. Diferencial los datos más frecuentes proceden de procedimientos tales
como test o sistemas de registro tales como cronómetros, etc.) y por tanto están
afectados por la objetividad en la evaluación y en el rendimiento, más que por la
objetividad en la interpretación.

2- Ser fiables: se trata de la precisión, homogeneidad y estabilidad de la medida.

Se cuantifica mediante los coeficientes de fiabilidad que son derivados de las
correlaciones entre los valores de dos pruebas independientes pero realizadas en
condiciones iguales, con el mismo test y la misma muestra de sujetos.

3.- Ser válidos: adecuación de los datos observados con el fenómeno que los
produce; el “grado con el que test mide lo que pretende medir”.
Hay validez de contenido, aparente, concurrente, etc. Puede evaluarse mediante
procedimientos psicométricos.
En Psicología Diferencial nos interesamos por todas aquellas conductas cuya
variación, en condiciones naturales o controladas, reflejan los efectos de las
dimensiones o variables de la persona.

Si, además, queremos conocer la existencia de diferencias individuales en

determinados procesos psicológicos, entonces habrán que registrar la conducta de
dichas personas y comparar estos registros.

Las personas se caracterizan por poseer unos atributos que son comunes a todas
ellas, pero que están distribuidos de tal forma que cada persona dispone de ellos
en diferente grado. La mejor manera de poder comparar estas diferencias es
mediante la medición de los mismos.

¿ Qué tipo de fenómenos medimos ?

Medimos las dimensiones propias de los rasgos del sujeto mediante instrumentos
(tests) y escalas de medida de diverso tipo.

Una vez registrada la conducta y medidas sus propiedades empieza el análisis de

las dimensiones que justifican la variabilidad de los datos estudiados.

Pero, hasta aquí, sólo hemos medido la variabilidad de una determinada conducta
en un grupo de sujetos. La Psicología Diferencial se pregunta ¿ De qué depende
esta variabilidad?

Mediante dos métodos estadísticos podemos analizar los datos obtenidos:

1. AVAR: para el análisis y comparación (para saber si los datos son distintos
y si esta diferencia es significativa.
2. Análisis de Correlaciones: para conocer las relaciones mutuas entre las
variables que determinan los datos.
A partir de esta forma de análisis se han desarrollado dos técnicas:
1. la correlación (regresión)
2. el AF
ambas nos permiten:
 describir las relaciones entre dimensiones
 identificar factores latentes que provocan las relaciones que muestran las
correlaciones.
A partir de aquí, lo que queda es dotar de significación psicológica a los factores
matemáticos obtenidos.

MEDICION Y ESCALAS EN PSICOLOGIA

Lo que se mide no es el organismo en si, sino un atributo relacionado con él; es

decir, la medida se refiere a los referentes empíricos y en ellos encuentra su
sentido. Los referentes empíricos son atributos, no objetos, que se supone que
existe y/o que afecta a los fenómenos que estamos estudiando.

Hay 4 tipos de escala de medida:

 NOMINAL
 ORDINAL
 INTERVALO
 RAZON

Escala Características Ejemplo

Se clasifican los objetos y las

clases se numeran. Sólo Origen racial
NOMINAL podemos decir que son Color de ojos
diferentes cosas, no en cuánto Sexo
lo son.

Los tamaños relativos de los

números asignados a los
Notas
objetos reflejan las cuantías de
escolares
ORDINAL los atributos que los objetos
Rangos
poseen. Unas diferencias
militares
idénticas en las cuantías de los
atributos.

Existe una unidad de medida

que permite que los objetos no
sólo sean ordenados, sino
también asignados a ciertos
números, de tal modo, que Temperatura
INTERVALO
unas diferencias iguales entre Hora del día
los números asignados a esos
objetos, reflejen diferencias
idénticas en las cuantías de los
atributos que se han medido.

RAZÓN Los números asignados a los Altura

objetos, tienen todas las Peso
propiedades de la escala de Tiempo
intervalo, y además, contamos Velocidad
con un punto cero de la escala.
Una puntuación de cero indica
 la ausencia de la propiedad
que se mide.

Técnicas de recogida de datos experimental vs. natural

Experimental:
 las circunstancias donde se sitúan los individuos para emitir sus respuestas
se organizan de tal modo que el experimentador pueda ordenar los
acontecimientos (intervenciones) para que actúen de un modo determinado sobre
el sujeto y evoque en él los comportamientos observables, que serán la base de
los datos a analizar.
 la finalidad de este análisis es saber si el tratamiento suministrado tiene
efectos significativos sobre la conducta registrada.
Natural:
 se estudian las relaciones entre las variables sin manipulación directa. Los
datos recogidos y analizados representan las relaciones tal y como se dan en la
naturaleza.
 los datos se analizar a fin de obtener diferentes variables (antecedentes y
consecuentes), y detectar relaciones tal y como se dan en la naturaleza.
Los test psicológicos: definición, tipos y propiedades
 Un test psicológico es un procedimiento sistemático para observar y
describir la conducta con la ayuda de escalas numéricas.
 Es un instrumento objetivo y tipificado en su aplicación, corrección e
interpretación que compara la conducta de dos o más personas.
 Hay que diferenciar entre test psicológico (instrumento de evaluación) y
técnicas o procedimientos de evaluación: puede haber técnicas de evaluación
objetivas p.ej.: EEG pero no son test psicológicos en tanto no existen
puntuaciones susceptibles de situar en un grupo de referencia.
 Los test pueden constar de una o varias pruebas que se denominan
subtests o batería de tests.
 Depende del procedimiento que se requiera y de la naturaleza del material
utilizado hace que tomen distintas denominaciones: “ Test de lápiz y papel”, “Test
oral”, etc.
 Casi todos los test reflejan medidas de rendimiento (ejecución) de una o
varias conductas, aunque suele atribuirse el término “test de rendimiento” a
pruebas que evalúan o miden respuestas de tipo físico (fuerza manual, etc.)
 Los test deben cumplir los criterios de fiabilidad y validez.
 La “testología” es una disciplina de la Psicología aplicada, que se basa en
el concepto de rasgo, entendido como patrón de conductas y foco de covariación,
que subyace a la variabilidad comportamental.
 Los test se ocupan de elementos (rasgos) comunes a todas las personas,
olvidando lo específico de cada uno.
LA DISTRIBUCION DE LA VARIABILIDAD INDIVIDUAL

Variación continua y discreta.

Las variables, en Ps. Diferencial, son propiedades de los individuos en las cuales
éstos muestran diferencias verificables.

Estas propiedades (rasgos de personalidad, capacidades mentales, etc.) pueden

ser discretas o continuas:
 Discretas: poseen una serie de valores numéricos fijos y no pueden
tomarse valores intermedios. P.Ej.:; el nº de hijos de una familia, el sexo de un
individuo, etc.
 Continuas: pueden alcanzar un nº infinito de valores intermedios entre dos
puntos fijos cualesquiera. P.Ej: el tiempo de reacción.
Esta distinción entre variables discretas y continuas tiene dos consecuencias:
1. su diferente manejo estadístico
2. identifican fenómenos que se distribuyen de forma continua o no-continua.
Ej.: la medida psicométrica de inteligencia se considera continua porque el
fenómeno de la distribución natural de la inteligencia lo es, pero la clasificación de
los sujetos en tres categorías ( débiles mentales, normales y genios) es una
categorización de naturaleza discreta.
Distribución normal y variabilidad

El estudio de la variabilidad en estadística se basa el conocimiento de las

DISTRIBUCIONES DE FRECUENCIAS: si tenemos la medida de un rasgo de
personalidad de un individuo y tenemos un baremo de distribución de este rasgo
en un grupo extenso de sujetos, entonces, podremos comparar la medida del
individuo con los resultados generales baremados y conocer la posición del sujeto
en el grupo.

Si tenemos un gran nº de datos:

1. contaremos las frecuencias de ocurrencia de cada medida
2. ordenaremos dicho conteo de forma gráfica, por ejemplo, mediante un
HISTOGRAMA o por medio de ESTADISTICOS (parámetros) que facilitan la labor.
Los ESTADISTICOS son de dos tipos:
1. De tendencia central: media, moda y mediana; representan a todos los
números o medidas de un grupo de observaciones.
2. De dispersión: rango, desviación típica y varianza; informan sobre la
homogeneidad o heterogeneidad de los grupos de datos.
Rango: nos da la distancia máxima entre los valores máximo y mínimo de la
escala.

Desviación estándar: unos permite apreciar una medida de las diferencias

individuales, dentro un grupo de sujetos y un conjunto de observaciones.
Su cálculo tiene en cuenta cuántas medias se incluyen y cuantas se desvían de la
media, resumiéndose en un solo número que nos indica el grado de variablidad de
una distribución.
 Para contar las frecuencias y tabular los resultados, debemos asignar las
medidas reales obtenidas a los intervalos en función de su magnitud: el resultado
es una distribución de frecuencias.
 La mayoría de los rasgos psicológicos se distribuyen de forma que se
ajustan a la distribución normal, cuando son evaluados en un gran nº de sujetos.
Se considera que la DISTRIBUCION DE FRECUENCIAS que sigue la ley de
“normalidad estadística” es el resultado de la acción del azar y por ello, el
resultado está determinado por un gran nº de factores independientes, cuya
influencia no ha sido analizada o es imposible de resolver.

La distribución normal, representa un modelo matemático para la verificación de

las variables continuas y de sus distribuciones de frecuencias, y es un modelo
adecuado para la mayoría de las características de la Ps. Diferencial.

¿ Qué condiciones afectan a la forma de una distribución ?

La variación de una curva respecto de la “normalidad matemática” puede

observarse de acuerdo a dos índices (estadísticos):
 SESGO: desviación de la normalidad. La cúspide (moda) está desplazada
hacia la derecha (sesgo positivo ) o hacia la izquierda (sesgo negativo) desde el
centro (media), así que los valores más frecuentes no son los valores promedios
de la población. Tiene valor cero en la distribución normal.
 CURTOSIS: grado de aplanamiento de la campana. Un fenómeno más
variable que el normal e muestra como una curva aplanada, mientras que un
fenómeno más homogéneo se observa en un mayor apuntamiento de la curva.
Tiene valor cero en la distribución normal
Las curvas, según este índice, pueden ser:
 Platocúrticas: aplanadas
 Mesocúrticas: normales
 Leptocúrticas: apuntadas
DISTRIBUCIONES BIMODALES o MULTIMODALES: cuando las curvas poseen
más de un apuntamiento porque los datos se concentran en torno a más de un
valor central.

Varianza, covarianza y correlación

VARIANZA: Indice de dispersión que refleja la magnitud de la variabilidad de una

variables.
 Representa la dispersión de las medidas registradas en una muestra de
datos de una variable determinada.
 Es un índice esencial para el estudio de las diferencias individuales.
 Cuando queremos usarla como estadístico descriptivo y comparativo se
utiliza la Desviación típica o estándar ya que el valor de la Varianza depende de
las magnitudes de las escalas de medida.
 La varianza de una variable está explicada por otra en la medida en que
esta variables covarían o están correlacionadas.
 Tiene la propiedad de la ADITIVIDAD: si una distribución depende del
efecto combinado de dos o más variables, la varianza total de la distribución es la
suma de la varianza aportada por todas las variables implicadas. La Psicología
Diferencial utiliza esta propiedad para invertirla, es decir, descomponer la varianza
de una características en sus componentes básicos.
COVARIANZA: varianza compartida entre dos variables. Es el promedio del
producto cruzado de dos conjuntos de desviaciones.
 la medida de la covarianza depende de la magnitudes de la escala de
medida de las variables, y cuando está estandarizada su valor corresponde a la de
la correlación (oscilando entre –1 y +1).
CORRELACION: Es la covarianza estandarizada y dividida por las respectivas
desviaciones estándar de ambas variables (Coeficiente de Correlación de
Pearson).
 Indica el grado de asociación entre dos variables.
 Ideado por Galton y desarrollado por Pearson (padre de la estadística).
 Se representa por un “r”.
 El más frecuente es el Coeficiente de Correlación producto-momento de
Pearson.
 El conjunto de todas las correlaciones posibles entre un grupo de variables,
cogidas dos a dos, es una matriz de correlaciones: una tabla de doble entrada
donde figuran todas las correlaciones de las variables estudiadas.
 Oscila entre –1 y +1.
 Su representación gráfica, que tiene forma de nube de puntos, nos refleja
ya el tipo de asociación entre variables:
 nube de puntos circular: no hay correlación, valor 0.
 nube de puntos elíptica: valores cercanos a 1, luego las variables están
asociadas. Si la elipse se dirige a la derecha: la correlación es positiva, si a la
izquierda, negativa.
Hay tres formas de interpretar este índice:
1. la correlación puede ser reflejo de una asociación azarosa, casual.
2. que una de las dos variables sea la causa de la otra.
3. que exista una variable latente que afecta a las variables correlacionadas
(patentes u observadas). Este es el fundamento del Análisis Factorial.
COEFICIENTE DE DETERMINACIÓN

Si representamos la varianza como un área que contiene un nº determinado de

elementos (N), la varianza de la variable X contiene Nx + Nc elementos. Y la
vairanza de la variable Y contiene Ny + Nc elementos; la correlación entre X e Y
corresponde al área total de solapamiento de áreas que es la varianza o número
de elementos Nc que tienen en común X e Y.

Luego, la correlación es la proporción de

varianza compartida entre dos variables X e Y : COEFICIENTE DE
DETERMINACION.

Dos variables que no tengan ninguna conexión causal entre ellas, pueden estar
altamente relacionadas como consecuencia de que ambas están correlacionadas
(casualmente o no) con una tercera variable.

Luego, para establecer la causalidad entre dos variables, se necesita más

información que la que nos aporta la correlación:

 la relación antecedente-conscecuente
 la relación de temporalidad (antes-después)
Incrementan la existencia de dicha causalidad .

Las correlaciones que se obtienen a partir de medidas realizadas sobre

observaciones de la conducta de los individuos, no son verdades absolutas ya que
tienen limitaciones producidas por su forma de obtenerlas.

El valor de la magnitud de rxy, puede estar afectado por:

 la representatividad de la muestra respecto de la población.

 la restricción del rango de ambas variables reduce el valor de la correlación.
 la fiabilidad de la medida (entendida como la correlación de un test consigo
mismo) afecta también a la correlación. Si queremos conocer la correlación entre
dos medidas, que no son muy fiables, hay que corregir el valor de la correlación
obtenido en función de la fiabilidad de ambos test. La fórmula propuesta para esta
corrección es: f = rxy/(rxx • ryy)1/2.
Variables latentes: son variables intermediarias en los hechos observados que se
reflejan empíricamente en los índices de correlación.

Las conductas de un individuo están determinadas por las relaciones múltiples

entre los factores situacionales y las disposiciones del individuo.

Estas disposiciones se comportan metodológicamente como variables latentes, y

pueden identificarse a través de las técnicas estadísticas, de entre las que el AF
es la más destacada.
La Ps. Diferencial utiliza 3 tipos de Variables:

1. Las variables antecedentes: fenómenos situacionales o tests.

2. Las variables consecuentes: medidas de ejecución o estilo de conducta
3. Las variables latentes: rasgos o capacidades.
DISEÑO DE ANALISIS DE DATOS UNI Y BIVARIADO

Cuando el objetivo es conocer la distribución y/o variabilidad de una determinada

característica en una población, nos basta con el uso de la estadística descriptiva,
realizando un análisis de datos UNIVARIADO.

Cuando además nos interesa la relación entre diversas características, se realiza

un análisis de datos MULTIVARIADO.

Cualquier variación de un fenómeno puede deberse a dos tipos de efectos:

 Azarosos
 Sistemáticos
En Ps. Diferencial sólo nos interesa la variabilidad de la conducta producida por
procesos que tienen efectos sistemáticos.

Las causas que producen esta variabilidad sistemática son de tres tipos:

1. Variables del individuo (la persona)

2. Variables estimulares (situación)
3. Variables temporales (ocasión).
A estas causas se les llama FUENTES DE VARIACION, ya que son las que
producen la variación del comportamiento.

Las medidas que se obtienen de la conducta SIEMPRE son un compromiso de los

efectos combinados de las tres fuentes de varianza. La pregunta suele ser ¿ cuál
de ellas es la más importante ?

La Matriz básica de datos (Data Box) de R.B. Cattell.

Las primeras aportaciones metodológicas a la Psicología de las diferencias

individuales, se deben a Stern que distinguió entre:

 el estudio de la variación: para cuando se quería estudiar las variaciones

interindividuales de un rasgo.
 el estudio de la correlación: para cuando se quería estudiar las variaciones
interindividuales de más de un rasgo y ver si guardan algún tipo de relación.
 la psicografía: para estudiar la variabilidad intraindividual de una
característica, son los llamados perfiles psicológicos.
 el examen comparativo: para estudiar la variabilidad intraindividual de
muchas características.
En este enfoque de Stern, sólo se contemplan como fuentes de variación al sujeto
y a la situación, pero no al tiempo.

Fue Catell quién introdujo la dimensión temporal en su “Data Box” o “cubo de

datos”:
 en el esquema original de relaciones entre variables se representa como un
cubo en el que cada eje representa una fuente de variacion: Personas, Ocasiones
y Variables (situaciones), mostrando los planos del cubo, las posibles relaciones
dos a dos, de las fuentes de variación bivariadas.
Catell utilizó la tabla para especificar 6 técnicas correlacionales que pueden
usarse a partir de la matriz general de covariación.

Técnicas psicología diferencial

Técnicas R, Q, P, O, S y T
De un solo registro temporal R y Q

Técnica R:

 La más habitual
 el muestreo de los datos se hace en un único momento temporal
 se correlacionan pares de variables o conductas (focos de covariación)
registradas en múltiples personas (unidades de observación)
 No da la posibilidad de generalización en el tiempo ni ofrece información
sobre la variación intraindividual.
 Se suele usar en investigaciones sobre la Personalidad y la Inteligencia
para encontrar factores que agrupen variables como, p.e., inteligencia verbal.
Técnica Q:

 Ahora son los individuos los que correlacionan a través de las variables
(situaciones).
 También el muestreo de los datos se hace en un único momento temporal
 Objetivo: la descripción de clusters de individuos que podrán o no
identificarse como tipos, en función de que puntúen de una manera determinada
en ciertas variables.
 Se parte de la matriz de correlaciones entre individuos a través de las
distintas variables (situaciones).
De un solo sujeto P Y O
Técnica P:

 Estudia los modelos de conductas que covarían en el tiempo.

 Sirve para determinar patrones de cambio intraindividual en la conducta.
 Se parte de la matriz de tiempo por variables (situaciones).
 Útil para identificar oscilaciones emotivas del individuo con el paso del
tiempo.
Técnica O:

 Complementaria de la P en tanto que permite observar la relación de

distintas situaciones de observación, agrupándolas en patrones situativos a través
de las conductas registradas en cada contexto.
 Se determinan grupos de situaciones con una fuente común de variación
De una sola variable o conducta registrada S y T

Técnica S:

 Sirve para determinar semejanzas entre personas con respecto a la

conducta en cuestión, a lo largo del tiempo.
 Permite determinar tipos evolutivos de individuos con respecto a una
variable, p.e.: frecuencia de relaciones sexuales en un grupo amplio de sujetos a
través de diferentes etapas de su vida.
Técnica T:

 Estudia semejanzas y diferencias entre ocasiones de observación de esa

variable en la muestra de personas. P.Ej.: estudiar el miedo en distintas
situaciones y distintos sujetos.
En la práctica sólo se utilizan con frecuencia R y P.

En la matriz de correlaciones las:

 DIFERENCIAS INTERINDIVIDUALES se definen a partir de las
comparaciones que efectuamos entre las puntuaciones que obtienen diversos
individuos en una única variable y un único momento temporal. Se muestrean los
individuos dejando constantes las variables y las ocasiones.
 DIFERENCIAS INTRAINDIVIDUALES se definen comparando la
puntuación que obtiene un único sujeto e un único momento temporal en
diferentes variables. Se muestrean las variables, manteniendo constantes los
individuos y las ocasiones.
 CAMBIO INTRAINDIVIDUAL se define observando a un mismo individuo en
diferentes ocasiones y en una única variable. Se muestrea la variable tiempo,
dejando constantes las dimensiones de individuos y de variables.
Catell reformuló el diseño del Data Box y lo denominó “Basic Data Relation Matrix
(BDRM) que se organiza a partir de dos tipos de coordenadas:
 Prototipos (personas, estímulo focal, condiciones ambientales, respuesta y
observador).
 Variantes ( estado del organismo, variante estimular, fase ambiental, estilo
de respuesta y condición del observador).
ANALISIS EVOLUTIVO DE LAS DIFERENCIAS INDIVIDUALES

Es imprescindible considerar el desarrollo del individuo como una fuente

importante de variabilidad interindividual: el efecto de la herencia y del ambiente,
hace que cada individuo adquiera su propia unicidad.

El aprendizaje y la maduración de las características individuales hacen que,

existiendo un patrón genérico de desarrollo individual durante el desarrollo, se
consoliden las diferencias interindividuales.
Son estas diferencias interindividuales las que producen las que producen las
diferencias intergrupales asociadas a la edad de los individuos.

La manera más sencilla de considerar la evolución del individuo es

ontogénicamente, considerando la descripción del cambio de la dimensiones de
las Diferencias individuales asociados con la edad.

Este es el enfoque propio de la Psicología Evolutiva, que se ocupa de estudiar la

evolución de ciertas variables psicológicas con la edad: C =f(E), es decir, que el
cambio de la conducta (C) está relacionado con la edad (E), lo cual no significa
que la edad sea la causante del cambio. Las causas habrá que buscarlas en
procesos evolutivos que actúan en función de la edad: maduración, aprendizaje o
su interacción. También mecanismos hereditarios y ambientales o su interacción.

El paradigma C = f(E) implica la comparación de grupos de edad, respecto a algún

atributo (capacidad verbal, p.e.) y lleva a diseños de análisis de recogida de datos
univariados, considerando la edad como una variable independiente y la medida
del atributo o rasgos como la variable dependiente.

Dado que la edad es una variable que se puede asignar pero no manipular, los
estudios en los que se maneja son de naturaleza quasi-experimental.

Existen dos tipos de diseños quasi-experimetnales:

1. Sincrónico: estudio una misma variable en edades distintas y en un mismo

momento temporal: DISEÑOS TRANSVERSALES.
2. Diacrónico: estudio de la evolución en el tiempo de una variable: DISEÑO
LONGITUDINAL..
Método transversal:

 compara diferentes grupos de edad (E1, 2, 3) observados (O) en un único

momento, siguiendo un diseño de medidas independientes.
 un rasgo es evaluado en distintos individuos que forman grupos
homogéneos en cuanto a su edad cronológica.
 Ojo con las inferencias que puedan fácilmente deducirse de este tipo de
estudios, pues no podemos presuponer que las muestras de sujetos
seleccionados por su edad, solamente tienen diferencias en edad cronológica; se
diferencian en muchas otras osas.
 Cohorte de edad ó generación: grupo de personas que han nacido en el
mismo año y han tenido las mismas influencias históricas, por tanto, los individuos
serán más homogéneos entre si.
 Efecto de cohorte: cuando parte o todas las diferencias atribuibles a la edad
lo son a las influencias culturales y ambientales asociadas al año de nacimiento.
 En los estudios transversales, los efectos de la edad se confunden con los
efectos de cohorte.
 Este modelo transversal es adecuado sólo en el estudio descriptivo de los
cambios asociados a la edad, pero inadecuado para la explicación de estos
cambios.
 se basa en promediar el valor de un rasgo individual (O), en un momento
determinado a un nº de muestras de sujetos (S), que tienen la misma edad (E):
distintas personas son evaluadas a distintas edades.
Métodos longitudinales:

 Estudia las mismas personas a través de todos los niveles de edad,

mediante observaciones repetidas (O1, 2, 3...) según un diseño de medidas
repetidas.
 Las medidas de rasgo se toman en diferentes momentos temporales, pero
en los mismos sujetos.
 Las variaciones observadas no están afectadas por los efectos de cohorte
(que sí afectan a los diseños transversales).
 Este diseño permite observar los cambios en un mismo individuo y de ahí
generalizar a los cambios en los grupos de edad.
 Este tipo de diseño también recibe el nombre de diseño “intra-cohorte”.
 Son muy costosos.
 Se basa en evaluar los mismos sujetos (S) en diferentes momentos de su
vida (E), la misma característica.
Diseños “time-lag”

 combinación de los transversales y longitudinales

 solvente el efecto de cohorte (en los transversales) y el efecto del
aprendizaje sobre los procedimientos de medida (en los longitudinales)
 Se utilizan distintos sujetos (transversal) con la misma edad (cohorte), pero
se evalúan las características con el mismo procedimiento en todos ellos.
 Distintos sujetos (S) son evaluados a la misma edad (E) y con los mismo
test (O), en diferentes momentos (cuando las cohortes tienen la misma edad
cronológica).
Limitaciones de estos diseños

 los transversales no proporcionan información sobre el cambio

intraindividual, siendo las principales fuentes de falta de validez: historia,
maduración, rendimiento en los test, regresión, instrumentación, selección,
mortalidad e interacción entre todos ellos.
 En los longitudinales, los resultados pueden verse afectados por el efecto
del aprendizaje de los procedimientos (dado que se repiten).
LAS TECNICAS MULTIVARIADAS

Pueden definirse como: la aplicación de métodos estadísticos, que abordan una

serie de medidas (variables) amplias, efectuadas sobre cada objeto o fenómeno,
en una o más muestras simultáneamente.

La mayoría de los procedimientos estadísticos univariados se basan en la

presuposición de que los datos siguen una distribución normal.

De igual forma, la mayoría de las técnicas y métodos estadísticos multivariados,

requieren la exigencia de que los datos a analizar, se distribuyan de acuerdo a las
características de la distribución normal multivariada.

En Psicología Diferencial se entiende que la mayoría de disposiciones y

capacidades se distribuyen de forma normal, cuando se consideran aisladamente
y por generalización.

El Análisis Factorial (AF) es una de entre las más de 10 técnicas que reciben el
nombre de Técnicas de análisis de datos multivariadas.

Papel de las técnicas multivariadas en el actual panorama de la Psicología

Diferencial:

 su inicio se encuentra en los primeros desarrollos de la Ps. Diferencial, con

la introducción, por parte de Spearman, Burt y Thurstone del AF.
 Pero, no pudieron realmente desarrollarse hasta la década de los
cincuenta, gracias al avance de las técnicas de análisis de datos por ordenador.
 La Ps. Diferencial ha adoptado como propios los métodos del análisis
estadístico multivariados.
 Con una sola recogida de datos, se consigue:
1. Optimizar el nº de relaciones observadas.
2. Identificación cuantitativa (saturaciones) y cualitativa (factores) de los
distintos focos de variación que influyen en los datos.
3. Una ponderación de la importancia de ciertas dimensiones identificadas.
4. Verificación de los constructos hipotéticos identificados sometiéndolos a
prueba.
 La característica que une a todas las técnicas multivariadas es la voluntad
en considerar por igual todo un conjunto de variables interrelacionadas, algunas
de las cuales siguen un orden antecedente-consecuente y otras, simplemente,
guardan relaciones de simultaneidad temporal.
Existen dos enfoques multivariados:

1. DESCRIPTIVO: que pretende combinar las variables de forma óptima

2. INFERENCIAL: que trata de dar una solución adecuada a la comparación
multivariada de las variables y poder predecir un fenómeno producido por
múltiples causas. ej.: descubrir qué factores de personalidad e inteligencia tienen
un papel determinante en distintas formas de rendimiento académico.
Clasificación de las técnicas multivariadas.

Según el criterio: “asociación entre conjuntos de variables”.

Es decir, si la relación entre variables se basa en un conocimiento de la relación

efectiva de causa-efecto (dependencia) o bien si se desconoce esta relación de
causalidad:

Métodos de Dependencia:

 cuando se dispone de dos conjuntos de variables distintas y el interés del

estudio se centra en conocer la asociación de estos conjuntos de variables,
distinguiendo que existe un conjunto de variables dependientes y otro de v.
independientes. Aquí la v. independiente es análoga a la de la v. manipulada y la
v. dependiente muestra el efecto de la manipulación.
 El objetivo es la PREDICCIÒN
Métodos de Interdependencia:

 cuando se dispone de dos conjuntos de variables distintas y el interés del

estudio se centra en conocer sus relaciones, no podemos establecer ni
conocemos la naturaleza de las relaciones, y sólo podemos estudiar la asociación
mutua de los dos conjuntos de variables con el fin de ver si existe
interdependencia y si ésta puede justificarse en base a efectos de variables
latentes.
 El objetivo es DESCRIBIR e IDENTIFICAR las variables comunes que
constituyen una estructura subyacente de factores que producen la
interdependencia de las variables observadas.
Según el criterio: “propiedades de las escalas de medida en que se han medido
las variables”:

 Métricas
 No métricas
Técnicas multivariadas más frecuentes:

Análisis de Componentes Principales:

Diseñado para reducir un nº de variables observadas a un número menos de

variables latentes que se denominan COMPONENTES:

 Los COMPONENTES son combinaciones lineales de las variables

observadas.
 Permiten obtener otras “dimensiones” de los datos.
 Es un procedimiento para simplificar los datos por medio de reducir el nº de
variables implicadas
Análisis Factorial:

 Pretende justificar la variación de una muestra de datos proveniente de una

serie de variables utilizando el menos número de variables latentes (índices) o
factores.
 Se da por supuesto que cada variable original puede ser expresada como
una combinación lineal de estos nuevos factores más un error. A partir de estas
combinaciones podemos observar la independencia mutua de la variables entre sí.
El AF tiene dos acepciones:

 Análisis Factorial Exploratorio: (al que solemos referirnos al decir AF),

busca descubrir una estructura de v. latentes o factores que subyacen a un matriz
de intercorrelaciones de variables observadas.
 Análisis Factorial Confirmatorio: parte de una estructura hipotética de
factores de la que se trata de averiguar si se ajusta o no a la una matriz de
correlaciones de variables observadas.
Análisis Discriminante

 Se ocupa de discernir la existencia de grupos distintos en una población de

datos.
 Permite descubrir variables latentes o índices que permiten discriminar los
grupos distintos que figuran en una población heterogénea.
Analisis de Cluster (A. de Agrupamientos)

 Permite identificar grupos de individuos similares en grupos de sujetos.

Correlación canónica

 Permite dividir las variables (no los sujetos), en dos grupos y conocer la
relación que guardan entre sí estos grupos de variables.
 Objetivo: el análisis simultáneo de diversas variables predictoras y diversas
variables criterio.
 Útil cuando las v. dependientes o consecuentes guardan correlaciones
notables entre sí y/o cuando queremos descubrir relaciones complejas entre los
dos conjuntos de variables.
Escalamiento Multidimensional

 Pretende identificar (como el AF) variables latentes.

 Parte de las diferencias y semejanzas de una serie de objetos y no de la
correlación entre variables.
 Intenta encontrar qué dimensiones justifican las diferencias y semejanzas
entre individuos.

EL ANALISIS FACTORIAL: FUNDAMENTOS CONCEPTUALES

Breve referencia histórica:

 es un método inductivo diseñado para descubrir un conjunto óptimo de

variables latentes que permiten explicar la variación conjunta de un determinado
nº de variables observadas.
 el AF Exploratorio se utiliza sin hipótesis previas, dejando que los datos
revelen los factores resultado del análisis.
 el AF Confirmatorio se utiliza para probar las hipótesis acerca de las
relaciones entre un determinado nº de variables observadas y un cierto nº de
variables latentes hipotéticas, propuestas por el investigador.
 La Ps. Diferencial utiliza el AF Exploratorio.
 El término AF en la actualidad designa a un conjunto de procedimientos que
sirven para identificar la redundancia en un conjunto de v. correlacionadas y/o
para reducir la dimensionalidad de las variables a un nº menor de ellas,
denominadas COMPONENTES ó FACTORES.
Las correlaciones y los factores

FACTOR: constructo teórico el cual puede ser “una variable, un proceso o un

determinante que justifica la covariación en un específico ámbito observable”.

 dentro del paradigma E-O-R- es la O:

cuando los AF se dirigen a las relaciones E-O, los factores extraídos se entienden
cómo variables dependientes. Ej.: queremos saber el efecto de la memoria (O) en
el aprendizaje de material significativo (E).
cuando los AF se dirigen a las relaciones O-R, los factores se entienden como
variables predictoras o independientes. Ej.: nos interesa saber qué rendimiento
(R ) tendrá un estudiante en un examen en función de su memoria (O).

Factores primarios: son variables intermediarias , descriptivas, operacionales.

Suelen estar cerca de los datos.
Factores de orden elevado: constructos hipotéticos procedentes de factorializar
matrices de correlación de factores, no de las variables originales de los datos.
Permiten formular hipótesis explicativas más generales utilizando un nº pequeño
de éstos.

Variables manifiestas vs. latentes

V. Latentes:
 se pueden inferir y medir de forma indirecta
 suelen ser formulaciones matemáticas
 son variables intermediarias de naturaleza cuantitativa.
 En Ps. Diferencial se pretende que sean el referente operacional de unos
atributos reales, funciones psicológicas, que se basen en procesos psicológicos
que son propios de los individuos.
 Suelen hacer referencia a funciones psicológicas.
 Algunas técnicas que las utilizan: Path analysis, Ecuaciones Estructurales
 Se suelen utilizar en Biología, Sociología, Economía, y Psicología.
 El AF se define como un método para identificar variables latentes.
 Los factores son siempre variables latentes, entidades inferidas, cuya
naturaleza se identifica por otros procedimientos alejados de la propia técnica
correlacional.
El procedimiento básico del Análisis Factorial
 El AF (ya se ha definido antes) es un método para expresar la variación de
un número de medidas (variables) en términos de un menor número de
dimensiones (variables) teóricas, llamadas FACTORES.
 El AF convierte una matriz de intercorrelaciones entre un determinado nº de
variables distintas (llamada matriz de correlación) en una matriz de factores
(matriz factorial), que muestra la correlación de cada una de las variables con un
pequeño nº de factores o fuentes (Variables) hipotéticas de la varianza de las
medidas originales.
El AF sigue 4 fases:
1. PREPARACION
2. FACTORIZACION (extracción de factores)
3. ROTACION ( de factores)
4. INTERPRETACION
La 1ª y la 4ª son las más importantes en términos psicológicos.

PREPARACION
 Se define el problema y se señalan que tipo de funciones se deberán usar
para resolver dicho problema.
 Se formulan las hipótesis sobre los factores que deberán encontrarse
después del análisis factorial.
 Esta fase depende mucho del nivel de conocimientos psicológicos,
creatividad e inventiva del investigador.
 Los resultados de esta fase se obtendrán a través de análisis correlacional
de todas las variables estudiadas y se reflejará en la matriz de correlaciones.
FACTORIZACION
 Se intenta averiguar el nº de factores comunes que es preciso admitir para
explicar las correlaciones obtenidas
 Se inicia a partir de la matriz de correlaciones.
 Buscamos obtener una matriz factorial en la cual se relacionan las variables
originales y los factores obtenidos por el procedimiento de extracción.
 Esta fase se guía por algoritmos matemáticos aplicables en función de las
características de las variables y de los criterios del operador.
 El AF no pretende descubrir todos los factores que intervienen en la
solución de cada prueba, sino sólo aquellos que son comunes a dos o más
pruebas.
 El psicólogo quiere descubrir factores centrales, no casuales.
 Los factores que intevienen en la producción de una actividad psicológica
están organizados y dirigidos de una cierta manera que le da unidad funcional.
Esta unidad de función, indicara, la existencia de principios generales de acción,
de factores organizados de la actividad psíquica: estos son los que interesan al
psicólogo.
ROTACION
 Cada factor puede ser considerado como un eje de coordenadas en un
sistema cartesiano
 Cada variable (test) se puede interpretar como un vector que parte del
origen de coordenadas.
 Si los vectores están en un espacio de n factores, hacen falta n ejes para
identificar los vectores. Este nº de ejes es lo que hemos descrito en la fase de
extracción .
 Ahora bien, los n ejes se pueden colocar en un nº infinito de posiciones.
¿ Existe una posición privilegiada ? Para descubrirla se realiza una rotación de
factores.
 Para descubrir la posición ideal hay dos métodos:
1. Estadísticos: algoritmo matemático por el cual se busca que los ejes
expliquen la máxima varianza posible de los test. Los factores obtenidos por este
metodo son “factores matemáticos”.
2. Psicológicos: se basa en la elección de un criterio (p.e. una variable
psicológica) que nos permita hacer una selección de unos ejes de referencia que
tenga sentido psicológico.
INTERPRETACION
 Las variables originales (test) se agrupan en determinados factores.
 Los factores se interpretan en base a la importancia que tienen las variable
que agrupan (criterio cuantitativo). Este criterio nos permite identificar la naturaleza
y etiquetar el factor descrito.
 Esta fase depende de los conocimientos y teorías aplicados por el
investigador y no responde a ningún algoritmo matemático.
TERMINOS BASICOS DEL A.F.

Variable:
Cualquier característica en que los individuos, pueden variar en el tiempo: altura,
peso, puntuaciones en un test.

Varianza “S2”
Es la variación en las puntuaciones de una variable en una muestra o población.

Covarianza:
Varianza compartida de dos o más variables

Correlación:
El coefciente de correlación “r”, indica el grado de concordancia entre dos
muestras de puntuaciones.
La correlación es positiva si las puntuaciones altas de una variable están
asociadas con las puntuaciones altas en otra variable.
Si las altas están asociadas a las bajas, la correlación es negativa.
El “r” oscila entre –1 y +1, siendo el +1 la correlación perfecta y 0 que no hay
ninguna relación entre ellas.

Significado de las correlaciones:

Si elevamos al cuadrado el valor de una correlación, el valor resultante
corresponde a la cantidad de varianza que comparten las dos variables de la
correlación. Este valor es el “coeficiente de determinación”.

Magnitud de las correlaciones:

Reflejan la cantidad de varianza en común entre dos clases de puntuaciones. Este
valor puede estar afectado por variables distractoras.

Análisis Factorial:
Es el método estadístico en el cual las variaciones en las puntuaciones de un nº
de variables son expresadas en un nº más pequeño de dimensiones o
constructos. Estos son los factores.
Los factores son definidos por estas correlaciones, llamadas cargas o pesos
factoriales.

Definición de un factor
Es un constructo operacionalmente definido por sus pesos o cargas factoriales.

Cargas (o pesos) factoriales:

Son las correlaciones de las variables con el factor.

Identificación de factores:
Si bien un factor viene definido por sus cargas, una definición de este tipo no es
suficiente por si misma, porque a veces, la mezcla de variables en un factor, es tal
que no se puede estar seguro de cuál es la identificación del factor, atendiendo
solo a las cargas factoriales.

Comunalidad:
Es la proporción de varianza explicada por los factores. Una forma de evaluar la
adecuación de un análisis factorial, es que las comunalidades de las variables
sean grandes. Lo óptimo sería sup. al 0,80.

Eigenvalues (valores propios) o raices latentes:

Valores que indican la importancia cuantitativa de cada factor. Se calculan
sumando los cuadrados de cada carga o peso factorial del factor.

Extracción de factores:
Procedimiento mediante el cuál se obtienen (extraen) un determinado nº de
factores a partir de la matriz de correlaciones de las variables.

Rotación factorial:
Los factores pueden ser conceptualizados como ejes en un espacio factorial.
Rotando los factores, las cargas cambian, aunque todas las posiciones son
matemáticamente equivalentes entre ellas, lo cual genera graves problemas de
interpretación del AF.

PROBLEMAS Y DIFICULTADES DEL ANALISIS FACTORIAL

No hay una única solución a partir de una matriz de correlaciones, sino un nº

infinito de soluciones numéricas equivalentes.
Los procedimientos de AF modernos han vencido esta dificultad y permiten
soluciones replicables y significativas.
Existen dos tipos de dificultades para alcanzar la replicabilidad:

De tipo lógico: se trata de la dificultad que proviene del hecho de que existe un nº
infinito de soluciones posibles en un AF. ¿ Cómo elegir una solución
determinada ? en el método científico se está de acuerdo que entre hipótesis
competitivas, la más simple es la mejor (principio de parsimonia).

La esencia de una estructura simple, tal y como se la define, es llegar a una

solución que maximice el nº de cargas de valor cero ó casi cero.
Es decir, que cada factor es necesariamente simple ya que tiene unas pocas
cargas altas y las otras casi nulas o nulas.

Luego la lógica del análisis factorial es: rotación hasta la estructura más simple,
como explicación más parsimoniosa, es la solución que se debe escoger.

De tipo técnico:

Muestreo de Variables: si no se muestrea el espectro global de variables , el

análisis factorial dará resultados incompletos.
Muestreo de Sujetos: Es esencial que la muestra de sujetos sea tal que las
variables muestren una varianza completa. Si la varianza es restringida ningún
factor podrá aparecer con claridad.
El nº de observaciones y variables: es esencial, por razones matemáticas, que el
nº de sujetos sea superior al nº de variables.
Es muy debatida cuál es la razón de sujetos/variables más adecuada, parece que
una razón 3:1 es suficiente.
Componentes principales o factores principales (extración PC y PAF): El análisis
de componentes usa toda la varianza, incluso la del error. El análisis de factores
principales, excluye la varianza del error para el cálculo de las comunalidades.
Luego el análisis de factores principales es el método más preciso en matrices
grandes, de mas de 25 variables y con matrices de menos de 25 v. es preferible el
análisis de factores.
¿ Cuantos factores deben rotarse ?: Ocurre que, si se utilizan demasiados factores
en la rotación, éstos se dividen y se pierde en generalidad. Si se utilizan pocos, se
generan pocos factores generales y se comprime la dimensionalidad.

Si bien, no hay un método idóneo para escoger el nº de factores, el criterio de

rotar factores con eigenvalues (valores propios) más grandes que 1, no es
satisfactorio

Dos test que funcionan y tienen consenso positivo son:

El Scree test y el test de Velicer.

Métodos de Rotación:
 Rotación Ortogonal: los ejes factoriales tienen los ángulos rectos y no estas
incorrelacionados.
 Rotación Oblícua: los factores son oblicuos, fomando ángulos menores que
el recto y están correlacionados dado que su coseno nos da la correlación.
Las rotaciones oblicuas son mejores cuando se trata de encontrar estructuras
simples.

Factores de grupo y Factores específicos:

Factores de grupo: son aquellos en los cuales cargan muchas variables.

Factor específico: son aquellos en los cuales carga una sola variable.

Sin embargo es posible encontrar un factor específico en el AF de los ítems,

escribir un gran nº de ítems similares y entonces producir un factor de grupo en
que carguen estos ítems. Este no sería un factor de grupo sino un factor
específico hinchado.