Análisis factorial

Enrique Rus Arias

3 min
Referenciar
El análisis factorial es un método de reducción estadística que tiene como objetivo
explicar las posibles correlaciones entre ciertas variables. Para ello, teniendo en
cuenta el efecto de otras, los factores, que no son observables.
Por tanto, lo que hace este análisis es reducir. Así, tomamos un número elevado
de variables y, por medio de esta técnica, conseguimos reducirlas a un tamaño
más manejable. Para hacerlo, se utilizan una serie de combinaciones lineales de
las observadas con otras que no son visibles.

Los dos modelos: exploratorio y confirmatorio

Tenemos dos formas de llevar a cabo esta técnica estadística, existiendo claras
diferencias entre ambas que conviene conocer.

 Análisis factorial exploratorio: En este caso, el objetivo es conocer los

constructos latentes (que no se ven) para poder comprobar si pueden ser válidos.
Así, estamos ante información de tipo exploratorio que sirve para crear un
modelo posterior, pero este no lo conocemos a priori.
 Análisis factorial confirmatorio: En este caso, estamos ante un proceso
de confirmación estadística. Partimos de un modelo teórico creado con la
literatura existente sobre el fenómeno estudiado. Con posterioridad lo
contrastamos para conocer su grado de validez.

Cómo realizar un análisis factorial

Veamos, de forma sencilla, cómo se puede realizar un análisis factorial
exploratorio, que es uno de los más utilizados en ciencias sociales. Hay que
tener en cuenta que los puntos mencionados abajo se pueden seleccionar en
programas estadísticos como SPSS al realizar el análisis.

1. Análisis de la fiabilidad: Normalmente se utiliza el Alfa de Cronbach, que permite

conocer la consistencia interna del modelo. Valores superiores a 0,70 son
considerados aceptables.
2. Estadísticos descriptivos: Estos nos aportan información básica sobre los datos
analizados. La media, la varianza o el máximo y mínimo.
3. Análisis de la matriz de correlación: Estos cálculos los realiza SPSS. Aquí
debemos fijarnos en si el determinante es próximo a cero. Por otro lado, las
correlaciones calculadas deben ser distintas de cero.
4. Medida de adecuación muestral KMO: Nos permite contrastar los coeficientes
de correlación. Por un lado, los observados, y por otro, los parciales. Toma valores
entre 0 y 1 y se considera aceptable si es superior a 0,5.
5. Prueba de esfericidad de Bartlett: En este caso contrasta que la matriz de
correlaciones es una matriz de identidad, en cuyo caso no se podría hacer el
análisis. Se calcula el Chi cuadrado estimado y, si es menor que el teórico, se
puede hacer el análisis factorial.
6. Análisis de la comunalidad: Nuevamente es un indicador de la pertinencia. Para
ser válido debe tomar valores superiores a 0,5.
7. Matriz de componentes rotados: Se utiliza para extraer los autovalores que sean
superiores a un valor, normalmente 1. De esta forma, se obtienen los factores
reducidos que representan a las variables. Para elegir el número se utilizan
gráficos de sedimentación y la propia matriz.
8. Varianza total explicada: Por último, este análisis nos indica cual es la varianza
total explicada por el modelo propuesto. Así, cuanto mayor sea este valor, el
modelo es mejor para explicar el conjunto total de datos.

Ejemplos de análisis factorial

El análisis factorial tiene multitud de aplicaciones en diferentes ámbitos de la
ciencia.

Veamos algunos ejemplos:

 En el marketing es muy utilizado cuando queremos conocer la voluntad de

compra. Por ejemplo, analizamos diversas variables socioeconómicas,
emocionales o personales. Una vez las tenemos, reducimos su número con el
análisis factorial y podremos interpretarlo mejor.
 En contabilidad podemos conocer qué partidas afectan de forma más clara a la
obtención de beneficios empresariales. Así, sabremos dónde debemos incidir más.
 En educación podemos conocer la predisposición de un alumno a una materia.
Realizando determinadas encuestas sobre su forma de estudiarla, podemos
obtener una base de datos en la que aplicar el análisis factorial.

Yuli

INTRODUCCIÓN ANÁLISIS FACTORIAL

El análisis factorial es una técnica de reducción de datos que sirve para encontrar grupos
homogéneos de variables a partir de un conjunto numeroso de variables.
Los grupos homogéneos se forman con las variables que correlacionan mucho entre sí y
procurando,
inicialmente, que unos grupos sean independientes de otros.
Cuando se recogen un gran número de variables de forma simultánea (por ejemplo, en un
cuestionario de satisfacción laboral) 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.
El Análisis Factorial es, por tanto, una técnica de reducción de la dimensionalidad de los
datos. Su
propósito último consiste en buscar el número mínimo de dimensiones capaces de
explicar el máximo
de información contenida en los datos.
A diferencia de lo que ocurre en otras técnicas como el análisis de varianza o el de
regresión, 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.
Fundamentalmente lo que se pretende con el Análisis Factorial (Análisis de Componentes
Principales
o de Factores Comunes) es simplificar la información que nos da una matriz de
correlaciones para
hacerla más fácilmente interpretable.
Se pretende encontrar una respuesta al preguntarnos ¿Por qué unas variables se
relacionan más
entre sí y menos con otras?. Hipotéticamente es porque existen otras variables, otras
dimensiones o
factores que explican por qué unos ítems se relacionan más con unos que con otros.
En definitiva, ¿se trata de un análisis de la estructura subyacente a una serie de variables?.
CONCEPTOS PREVIOS DEL ANÁLISIS FACTORIAL
Un ejemplo concreto de introducción al concepto de varianza compartida y varianza
única: Sean
unos ítems de una escala de actitudes, donde la puntuación de cada sujeto encuestado es
la suma de
las respuestas a todos los ítems, según la clave de corrección diseñada:
1º Me lo paso muy bien en mi casa, con mis padres
Muy de acuerdo = 5
De acuerdo = 4
…………………………..
2º Algunas veces me gustaría marcharme de mi casa
Muy de acuerdo = 1
De acuerdo = 2
……………………………
• La varianza 2 σ de cada ítem indica la diferencia que crea en las respuestas. Si todos
respondieran lo mismo la varianza sería cero, no habría diferencias. Si la mitad estuviera
muy
a gusto en su casa y la otra mitad muy a disgusto, la varianza sería máxima.

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.

Preunta 2
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