Análisis Factorial

El análisis factorial es el nombre genérico de aquellos métodos estadísticos

multivariantes que se enfocan en definir la estructura subyacente en una matriz
de datos. Normalmente, incluye el tratar el problema de cómo analizar la
estructura de las interrelaciones (correlaciones) entre un gran número de
variables (por ejemplo, las puntuaciones de prueba, artículos de prueba,
respuestas de cuestionarios) con la definición de una serie de dimensiones
subyacentes comunes, conocidas como factores

1 / 10
 Análisis Factorial
El análisis factorial tiene como objetivo principal simplificar las múltiples y complejas
relaciones que puedan existir en un conjunto de variables observadas X1,X2,X3.. Xn.

Para lograrlo, trata de encontrar dimensiones comunes o factores que ligan a las variables
aparentemente no relacionadas.

Concretamente, se trata de encontrar un conjunto de k < p factores no directamente

observables F1, F2, F3,…,Fk que expliquen suficiente a las variables observadas perdiendo
el mínimo de información, de modo que sean fácilmente interpretables (Principio de
Interpretabilidad), y que sean los menos posibles, es decir, k pequeño (Principio de
Parsimonia).
Además, los factores han de extraerse de forma que resulten independientes entre sí, es
decir, que sean ortogonales.
En consecuencia, el análisis factorial es una técnica de reducción de datos que examina la
interdependencia de variables, y proporciona conocimiento de la estructura subyacente
de los datos.
Es un conjunto de métodos estadísticos que aborda el problema de cómo analizar la
estructura de las interrelaciones (correlaciones) entre un gran número de variables, con
la definición de dimensiones subyacentes comunes llamadas factores

1 / 10
 ¿Para qué se usa?

Simplificar un conjunto de datos reduciendo el número

de variables, bien por un exceso de variables que
dificulta el análisis de la información, o bien por
representar la misma información de manera
redundante.
Encontrar la estructura subyacente en los datos
analizados
En ocasiones se utiliza como un método intermedio para
dejar los datos listos en el empleo de otro método
siguiente.
Se pierde información, pero se gana en la facilidad de
interpretación al menor costo posible

3
 Tipos de Análisis Factorial

• Exploratorio: Se utilizara principalmente para identificar factores,

sin restricciones o hipótesis previas, y se caracteriza porque no se
conoce a priori el número de factores, y es en la aplicación
empírica donde se determina este número.

• Confirmatorio: Se utilizan cuando se desea verificar la existencia

de una estructura subyacente en los datos, anticipada
hipotéticamente, y los factores están fijados a priori, utilizándose
contrastaciones empíricas para su corroboración.
Cuando por razonamiento teórico, por experiencias u otras
investigaciones similares se formulan hipótesis sobre la dimensional
dad o estructura subyacente de un fenómeno, es entonces cuando
se utiliza el análisis factorial para confirmar.

4
El análisis factorial parte de la distinción de la
variabilidad de las variables observadas y, por lo tanto de
la varianza de las mismas variables, en dos tipos
esenciales:
Una parte común: explicada por un conjunto de factores
comunes que afectan a todas las variables. Esto es en el
entendido que no captan toda la variabilidad, sino sólo la
común.
Una parte específica: exclusiva para cada variable y sin
relación con las demás, explicadas por factores
específicos o únicos que informan sobre la especificidad
o unicidad de cada variable. Son factores independientes
y ortogonales.

5
 Etapas del Análisis Factorial
Primera Etapa: Tercera Etapa:
•El propósito •Esta etapa se
general del centra en las
Séptima Etapa:
análisis factorial características y Quinta Etapa: la •Esta etapa
es encontrar la composición de proporciona las
forma de las variables,
interpretación de los bases empíricas
condensar la como la factores es una etapa para el análisis
información multicolinealida crucial, y se realiza a de la estructura
contenida en un d, la matriz de través de: de las variables
amplio número correlación anti- utilizadas, y el
de variables en imagen y la •La estimación del factor de impacto en la
la menor prueba de la matriz; aplicación de
cantidad posible esfericidad de •La rotación de los factores otras técnicas
de factores. Bartlett. •La reespecificación. multivariables

Segunda Cuarta Etapa: Sexta Etapa:

Etapa: esta esta etapa •Esta etapa
etapa involucra 2 involucra el
involucra 3 decisiones grado de
decisiones básicas: El generalización
básicas: método de de los
resultados
•Calcular la extracción de obtenidos a la
matriz de los factores totalidad de la
correlación •El número de población
entre las factores objeto de
variables seleccionados estudio.
•Medición de las para mejorar el
variables ajuste de los
•El tamaño de la datos.
muestra
necesaria.
6
 Análisis Previo de los Datos:

Análisis Previo de los Datos:

Anteriormente ya se ha indicado que es necesario dar una serie de

pasos previos antes de aplicar una técnica multivariable
determinada. Algunos de ellos tienen que ver con la propia técnica
y la comprobación del cumplimiento de sus hipótesis subyacentes:
normalidad, homoscedasticidad y linealidad; otras comprobaciones
son, incluso, previas al uso de la técnica y tienen que ver con la
fiabilidad de los datos de partida: existencia de valores perdidos y
de observaciones anómalas.

Asimismo, debe señalarse que algunas de las técnicas de análisis

que se expondrán en apartados posteriores, tienen sus propios
procedimientos para la comprobación del cumplimiento de sus
hipótesis o, por ejemplo, la detección de las observaciones
anómalas, y así serán presentadas en su momento (por ejemplo, en
la regresión lineal múltiple).

7
Al final de esta análisis si bien nosotros no vamos a
ser quien lo realice por la complejidad de las
estadísticas, si vamos a tomar la decisión basadas en
la matriz ortogonal que el analista nos de a conocer o
basados en su informe final , les muestro un ejemplo
de la matriz de resultados de la cual podemos
interpretar la información y tomar las decisiones.

8
Al llegar este matriz de resultados,
que en este caso se generan dos
componentes en los cuales vemos
en donde se agrupan las variables
esto utilizando aplicaciones como
SPSS, R entre otras a estos nuevos
componentes se les da un nombre
que el analista elja y sobres estas
dos podemos definir acciones.

9
 Ejercicios de análisis factorial
exploratorio.

• ROBLEMA 1. Una empresa productora de un determinado refresco está interesada en

incrementar sus ventas para lo cual, diseña una campaña de publicidad basándose en los
resultados de una encuesta. La encuesta constaba una serie de afirmaciones a las que los sujetos
contestaban desde 1 (muy en desacuerdo) hasta 5 (muy de acuerdo). Las cuestiones planteadas
en la encuesta fueron:

• X1: Me gusta beber refrescos cuando estoy con los amigos

• X2: Me gusta beber un refresco cuando estoy charlando con alguien
• X3: A mi los refrescos me van bien para las ocasiones divertidas
• X4: Me gusta beber siempre la misma marca de refrescos
• X5: A los sitios donde voy pido siempre el mismo refresco
• X6: Cambio de un refresco a otro porque para mi es mucho mejor que tomar siempre el mismo
• X7: Los refrescos sólo me gusta tomarlos mezclados con alcohol
• X8: Una de mis bebidas favoritas es el refresco combinado con alcohol
• X9: Principalmente mezclo los refrescos para rebajar las bebidas alcohólicas

10
 F1 F2 F3

• Hemos factorizado la X1 0.81 0.01 -0.02

matriz de correlaciones X2 0.80 0.06 0.05
utilizando componentes
principales y rotación X3 0.60 0.2 0.07

varimax y hemos obtenido X4 0.01 0.7 0.01

la siguiente matriz X5 0.03 0.8 0.09
factorial los valores
sombreados son los que X6 -0.07 -0.55 0.04

corresponden a cada X7 0.02 0.01 0.7

factor considerando que X8 0.002 0.1 0.65
los valores deben de ser
mayores a .70 X9 0.15 0.2 0.65

Interpreta y nombre los factores obtenidos. ¿En qué debería

incidir la campaña publicitaria en base a los resultados obtenidos
con el análisis factorial?

11
• Y la campaña podríamos decir que va enfocado a
reuniones con amigos, casuales en donde se mezcle
el refresco con alcohol y enfocado a la fidelidad del
refresco me suena a comerciales de coca cola o no?

El primer factor podríamos llamarlo Se disfruta con

El segundo fidelidad
El tercero mezclado, el complemento

12
Bibliografía
Chica, A. A. (2015). INTRODUCCIÓN A LOS MODELOS ESTRUCTURALES EN
INVESTIGACION SOCIAL. Ecuador: PYDLOS.

Trejo, J. M. (2017). Proyectos de investigación,análisis y discusión de los resultados.

Guadalajara: Universidad de Guadalajara.
13