4.

FACTOR ANALISIS O ANALISIS FACTORIAL

Es un método multivariante cuyo propósito es
condensar la información suministrada por muchas
variables ( Vi ), en pocas dimensiones o Factores
( Fj ), desconocidos, no multicolineales y los cuales se
puedan interpretar.
V A R I A B L E S F A C T O R E S
Sujetos 1 2 3 v Var 1 2 3 ….. k
1 X11 X12 X13 X1v 1 F11 F12 F13 …. F1k
ANALISIS
2 X21 X22 X23 X2v
2 F21 F22 F23 …. F2k
3 X31 X32 X33 X3v
3 F31 F32 F33 …. F3k
FACTORIAL
4 X41 X42 X43 X4v
4 F41 F42 F43 …. F4k
… … … … …
. … … … …. ….
n Xn1 Xn2 Xn3 Xnv
v Fv1 Fv2 Fv3 …. Fvk
• Lo anterior permite que cada variable se exprese como
una combinación de Factores no observables, así:
Xij=F1iAi1+F2iAi2+F3iAi3+ . . . . . . +FkiAik+ Ui
Donde:
Xij: la puntuaciones del individuo i en la variable j
Fij: son los Coeficientes Factoriales.
Aij: son las puntuaciones Factoriales.
Ui : es el factor único aleatorio.
• Pasos a seguir en el Análisis Factorial.
1. Calcular la matriz de Correlaciones lineales. Un
requisito básico es que las variables estén altamente
intercorrelacionadas, lo cual se puede asegurar si:
a) El Determinante de la matriz es de bajo valor.
b) El índice de K.M.O. es mayor o igual a 0.5.
( K: Kaiser- M: Meyer – O: Olkin ), cuya escala es:
0.9 < KMO < 1.0 : Optimo
0.8< KMO < 0.89 : Bueno
0.5< KMO < 0.79 : Aceptable
0.0< KMO < 0.49 : Inaceptable
• El KMO divide el valor de los coeficientes de
correlaciones lineales al cuadrado entre los
anteriores más los coeficientes de correlaciones
parciales al cuadrado, si estos últimos son débiles
( casi ceros ), entonces el cociente tiende al valor de
uno ( 1 ), lo cual indica que las variables están
altamente correlacionadas y por lo tanto se puede
aplicar el método de Análisis Factorial.
Desde un valor del KMO de 0.50 en adelante, se
puede aplicar dicho Método ( ver escala en la
diapositiva anterior ).
2. Extracción de Factores.
Existen por lo menos 11 métodos, pero el mas
utilizado es el del Componente Principal, el cual
combina todas las variables intercorrelacionadas en
pocas variables no correlacionadas, denominados
Factores.
El primer Factor es el mayor contribuyente a
explicar la Varianza total, los siguientes Factores
van en orden descendente de contribución a dicha
Varianza total.
3. Matriz Factorial
• A partir de una matriz de Correlaciones, el
Análisis Factorial extrae otra llamada Matriz
Factorial, cuyos coeficientes son las
correlaciones entre la variable j y el Factor i,
estos reciben el nombre de: Pesos, cargas,
Ponderaciones o saturaciones Factoriales.
• Estas indican el peso de cada variable en cada
Factor, y al final estas saturaciones van a darle
el nombre al Factor.
 4. Grafico de Sedimentación o Scree Plot.
En un Plano Cartesiano donde los Factores están
en el eje X y los valores propios ( eigen values )
en el eje Y, solo se tendrán en cuenta los eigen
values cuyos valores estén por encima de 1, los
que están por debajo de este valor contribuyen
muy poco.
5. Rotaciones Factoriales.
Las rotaciones buscan seleccionar la solución
mas sencilla e interpretable.
Existen varios métodos de rotación Factoriales, el
mas utilizado es el Varimax, ya que en este método
los factores giran Ortogonalmente ( formando
ángulos de 90° ) por lo tanto tiende a minimizar el
número de Variables que tienen saturaciones altas
en un Factor, por esta razón este método permite
mayor facilidad en la interpretacion de cada Factor.
6. Pasos en S.P.S.S para aplicar el Análisis Factorial.
Analizar
– Reducción de dimensiones FACTOR - Entrar todas las variables (que evalúen
a los productos en forma escalar)
Descriptivos
- Solución Inicial – Determinante (menor o igual a 0.10) (se acepta si este es
menor o igual a 0.10)
- KMO y prueba de esfericidad de Bartlett (se acepta si es mayor o igual al 0.50)
Continuar
- Extracción
Método: componente principal
(Por default)
Desactive solución factorial sin rotar (desactívelo)
Active Grafico de Sedimentación
Basado en autovalor (Por default)
Continuar
Rotación
- VARIMAX (se activa automáticamente solución rotada)
Continuar
- Opciones – Reemplazar por la media – Ordenados por tamaño – Suprimir
pequeños coeficientes – valor absoluto bajo 0.60
Continuar
Aceptar
Análisis de Resultados
1) Se observa el valor del determinante, y si este es menor o igual a 0.10, se acepta
el modelo, pero en algunos casos no muestra este valor, entonces se observa el
valor de la Prueba de KMO y BARTLETT, y si esta es mayor o igual a 0.50, se
acepta el Modelo Factor Análisis.
2) En la tabla: Varianza total explicada, se observa los componente o factores con
mayor % de varianza o “PESO” y usted toma los de mayor %, generalmente
mayores al 10%.
3) En el gráfico de sedimentación corrobora los Factores de mayor peso, son
aquellos por encima de 1.
4) Finalmente en la table de: Matriz de Componente rotado aparecen los
Factores de mayor %, con los pesos de cada variable, y el analista debe
colocar a cada factor un nombre o una expresión, la más adecuada posible
relacionada con los pesos de cada variable y de las características del
problema o del fenómeno investigado.
Si los “pesos” son negativos, entonces el significado de la variable en el
factor será opuesto a lo que ella representa en la encuesta o en la
investigación.

Ejemplo 1: Aplicar factor análisis a archivo Gimnasio (V1 a V11)

Ejemplo 2: Aplicar factor análisis a archivo Margarina (V1 a V11)