Análisis factorial de componentes principales (AFCP)

Para realizar un análisis de calidad y eficiente para nuestro estudio del

cualquier ámbito investigativo o científico, se debe tener en cuenta que dicho
procedimiento no es más que el análisis de datos, del cual parte de un conjunto de
variables, en consideración unas más extensas que otras de acuerdo a su grado de
complejidad, lo primordial es reducir el número de variables teniendo como
resultado una cantidad numérica inferior de factores en segundo plano, esta a su
vez permiten constituir procedimientos de mayor nivel capaces de entender la
incertidumbre original de la variable. Cabe destacar cinco pasos fundamentales
para dar inicio a dicho análisis, en las que se describen: 1.-inspección, 2.-
obtención, 3.- selección, 4.- rotación y 5.- interpretación.

Como se viene argumentando, no podemos dar inicio a un análisis factorial,

tomando cualquier conjunto de datos al azar, debemos ser cuidadosos y metódicos
a la hora de emprender estos procedimientos, lo más recomendable es trabajar con
un mínimo de masa de información, existen múltiples orientaciones lógicas,
derivaciones matemáticas, simulaciones y revisiones literarias, no obstante;
también influye las asociaciones de las variables, la robustez del modelo teórico,
el modo en que las variables se relacionan entre si y la variabilidad de los datos,
estos aspectos son indispensables en la explicación de nuestro análisis factorial.

Nuestro primer paso se dará con la inspección de las variables, constatando si

las correlaciones fueran nulas o casi nulas, encontrando variables independientes
entre sí, dando a entender no es posible hacer reducciones dando por finalizado el
proceso. Entre tanto, la correlación entre dos variables es un valor que expresa el
grado en que ambas co-varían. Si alguna de las variables muestra muy poca
variabilidad, es decir, si se observa una alta coincidencia de valores de esa
variable en el conjunto de casos, entonces será difícil obtener una alta cuantía de
correlación, perdiendo la orientación del proceso a ejecutar.

En toda operación metódica es necesario comprobar estadísticamente los

resultados obtenidos, es por ello que la inspección es fundamental para ir
conociendo las relaciones e ir afinando detalles para comprender los resultados
posteriores. Sin embargo, es competente realizar comprobaciones o test para ir
afianzando el camino y darle mayor confiabilidad a nuestra ardua labor
metodológica.

En el proceso de comprobación se deben cumplir con dos condiciones para dar

continuidad al análisis factorial: en primer plano tenemos; si las correlaciones, en
su conjunto, tienen valor suficiente; y en segundo lugar si hay covariaciones
comunes, en pocas palabras, si al tomar dos variables, se observara que buena
parte de la relación que mantienen entre ellas, también se debe a la que tienen con
otras del conjunto. Esto segundo estaría señalando alguna estructura factorial.

El test de esfericidad de Barlett se utiliza para comprobar la hipótesis nula de

que las variables no tienen relación lineal entre sí y es utilizada para abordar la
primera de las dos condiciones. Si se rechaza la hipótesis nula, se concluye que las
correlaciones, tomadas en conjunto, tienen valores sensiblemente diferentes de 0 y
que, queriendo decir que vamos en buen camino para proceder a poner en marcha
un análisis factorial.

Dentro del proceso de obtención de factores existen varios métodos, uno de los
más comunes y extensos recibe por nombre método de los componentes
principales, teniendo en cuenta que es una variable derivada que intenta absorber
la máxima varianza de la masa de datos, concluyendo que para que el
procedimiento tenga sentido es necesario seleccionar un número reducido de
componentes, los que más varianza absorben, para dar un significado más
comprensible en el proceso de obtención, nos conlleva a decir que el conjunto de
los componentes seleccionados explica o absorbe una parte de la varianza, pero
deja el resto sin abordar. Es tanto así, que Frías-Navarro y Pascual (2012) acuden
al consejo de la literatura específica de procurar al menos un 60% de la varianza,
mientras que por otra parte determinan que las variaciones explicadas y no
explicadas no se distribuyen por igual para todas las variables originales, algunas
tendrán mayor perspectiva que otras.
 El siguiente paso que nos ocupa es seleccionar los factores se encuentran
ordenados de mayor a menor variabilidad total absorbida. Es decir tomar un punto
específico del listado de factores que separa los primeros del resto. Lo más certero
y común es seleccionar los componentes que cuenten con un autovalor superior a
la unidad, verificando que pesen más que una variable. Desde otro punto de vista
podemos apoyarnos en el procedimiento gráfico, como su nombre lo indica
consiste en observar una representación gráfica donde el eje horizontal representa
a cada uno de los factores. Mientras que en el eje vertical se encuentran los
autovalores, a lo cual llamaremos gráfico de sedimentación. En esta
representación gráfica tomaremos los puntos útiles y descartaremos el conjunto
restante; estos aspectos se combinan con el de la varianza total absorbida.
Asimismo, es importante que el resultado final resulte satisfactorio para que no
quede un exceso de variabilidad sin contemplar.

Es valedero aplicar la interpretación de factores, luego de realizar la rotación,

así es más fácil entenderla luego de obtener los resultados, y por lo tanto se hace
necesario acudir a sus indicadores para interpretar el factor, teniendo en cuenta
aquellas variables que apuntan hacia él. El análisis factorial de componentes
principales genera una matriz donde cada factor genera una columna de
correlaciones con las variables originales.

Finalmente la fase de controlar la rotación del análisis. Consiste en definir en lo

posible el método de rotación que se desea utilizar (para facilitar la interpretación
de la solución factorial) y solicitar la representación gráfica de las saturaciones, en
esta fase podemos encontrar varios métodos descritos a continuación: Ninguno;
prevé su actuación por defecto, es decir cuando la solución consta de un único
factor y no se ha se ha marcado esta opción, Varimax; constituye una rotación
ortogonal que minimiza el número de variables que tienen saturaciones altas en
cada factor, Quartimax; método de rotación ortogonal que minimiza el número de
factores necesarios para explicar cada variable, entre otros como: Equamax,
oblimin, promax.
 A lo continuo, el análisis factorial es una técnica que busca minimizar la
dimensionalidad de los datos a través de un proceso de inspección, obtención,
selección, interpretación y rotación de los factores bajo estudio. Tiene como
objetivo primordial buscar el número mínimo de dimensiones capaces de explicar
el máximo de información contenida en los datos. No como sucede en otras
técnicas como el análisis de varianza o el de regresión, en el análisis factorial no
existe variable dependiente, todas las variables del análisis tienen el mismo rango:
todas ellas son independientes en el sentido de que no existe una razón de
dependencia conceptual de unas variables sobre otras.