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)