Taller de Investigación

II
Análisis Factorial Confirmatorio

Presentado por:
Hernández Aparicio Mitzi Jeannette

Asesora:
Dra. Gloria Concepción Tenorio Sepúlveda

Miércoles, 17 de enero de 2024

 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.

Su propósito consiste en buscar el número

mínimo de dimensiones capaces de explicar
el máximo de información contenida en los
datos.
 TIPOS DE ANÁLISIS FACTORIAL

AFE ANÁLISIS FACTORIAL EXPLORATORIO

AFC ANÁLISIS FACTORIAL CONFIRMATORIO

AFCP ANÁLISIS FACTORIAL DE COMPONENTES

PRINCIPALES

AFCR ANÁLISIS FACTORIAL DE COMPONENTES

ROTADOS

AFJ ANÁLISIS FACTORIAL JERÁRQUICO

 ANÁLISIS FACTORIAL
CONFIRMATORIO
Es un modelo multivariante de segunda
generación en el análisis de estructuras de
covarianza (CB-SEM) en la investigación
en ciencias sociales.
 OBJETIVO
3D Stairs Templates

Contrastar un modelo de medida a través

de datos empíricos provenientes de una
muestra, que teóricamente refleje las
características de la población objeto de
estudio, cuyo punto de partida es la
construcción de un modelo sustentado en la
teoría y en el análisis factorial exploratorio
(AFE).
 CLASIFICACIÓN
3D Stairs Templates
En la práctica, podemos encontrar AFC de primer, segundo o más niveles, según sea el objetivo de la
investigación.

AFC de segundo nivel

AFC de primer nivel Constituye una extensión del
Muestra variables exógenas primer nivel, en donde se
y la covarianza entre ellas. incorpora un nuevo
constructo latente que es
especificado por los factores
de primer nivel.

DIFERENCIA
Las correlaciones entre los factores son sustituidas por saturaciones de esos mismos factores en la
nueva variable exógena de orden superior que agrupa los constructos de primer nivel.
 3DESTRUCTURA
Stairs Templates
Estima el modelo de medición con la finalidad de conseguir la fiabilidad y validez del modelo para
posteriormente estimar el modelo estructural, que corresponde al modelo de investigación. El AFC se
compone, por lo general, de seis fases:

FASE 1 Estimación del modelo

FASE 2 Identificación

FASE 3 Estimación de parámetros

FASE 4 Ajustes del modelo

FASE 5 Interpretación

FASE 6 Respectificación
 DIFERENCIA ENTRE
3D Stairs AFE Y AFC
Templates
Ambos métodos se utilizan para evaluar la estructura factorial subyacente a una matriz de correlaciones.

Análisis Factorial Exploratorio Análisis Factorial Confirmatorio

(AFE) (AFC)

Se utiliza para “construir” la teoría. Se utiliza cuando ya se tiene una idea clara
sobre las variables objeto de estudio.

Es apto cuando el investigador analiza un

conjunto de datos sin tener alguna
hipótesis previa, esta aproximación le ayuda
a identificar los factores latentes que subyacen
a las variables manifiestas.
Su uso permite probar la estructura
hipotetizada, poniendo a prueba si el modelo
postulado se ajusta adecuadamente a los
datos.
 FORMULACIÓN DEL MODELO –
3D Stairs Templates
EJEMPLO PRÁCTICO
En el contexto de un estudio destinado a
evaluar la calidad de vida (QOL) de los
habitantes de una ciudad, se ha llevado a cabo
la recopilación de datos que abarcan diversos
aspectos de la vida diaria, tales como ingresos,
salud, educación, entre otros.

El propósito principal es emplear un modelo de

Análisis Factorial Confirmatorio (AFC) con el
objetivo de comprender la relación existente
entre las variables observadas y las variables
latentes que simbolizan la calidad de vida.
 DONDE:
ECUACIÓN GENERAL Es un vector de variables
X observadas.
X = Λη + ϵ
Es la matriz de carga factorial que
Λ relaciona las variables observadas
(X) con las variables latentes (η).

Es un vector de variables latentes no

η observadas.

Es el vector de errores, que

ϵ representa la varianza única de cada
variable observada.
1 2

Suponiendo que se tienen tres variables Ahora, se genera un vector de variables

observadas (X1, X2 y X3)​ y dos variables latentes (η) y un vector de errores (ϵ):
latentes (η1 y η2). La matriz de carga
factorial (Λ) será:

Esto indica la contribución de cada variable

latente a las variables observadas.
3

Seguidamente, se calculan las variables

observadas (X) utilizando la ecuación del
modelo AFC: 4
Finalmente realizando las operaciones, se
obtiene el vector de variables observadas
(X):
 CONCLUSIONES
3D Stairs Templates

El Análisis Factorial Confirmatorio (AFC) es una herramienta valiosa para

explorar las relaciones entre variables observadas y latentes. La ecuación clave
(X=Λη+ϵ) encapsula cómo las variables observadas resultan de la
combinación de variables latentes y errores únicos. La matriz de carga
factorial (Λ) describe cómo las variables latentes influyen en las observadas,
mientras que la inclusión del vector de errores (ϵ) reconoce factores no medidos.

En términos generales, el AFC destaca por su capacidad para desentrañar

patrones subyacentes y contribuir a una comprensión más profunda de los datos
en diversas disciplinas, desde ciencias sociales hasta investigación científica.
 REFERENCIAS
3D Stairs DE CONSULTA
Templates

De la Fuente Fernández, S. (2011). Análisis Factorial. Madrid, España: Facultad de

Ciencias Económicas y Empresariales.
Ferrando, P. J., & Anguiano Carrasco, C. (2010). El análisis factorial como técnica de
investigación en psicología. Papeles del Psicólogo, 18-32.
Martínez Ávila, M. (2021). Análisis factorial confirmatorio: un modelo de gestión del
conocimiento en la universidad pública. Revista Iberoamericana para la
Investigación y el Desarrollo Educativo, 1-6.
GRACIAS