Análisis factorial exploratorio de los ítems

Análisis factorial exploratorio de los ítems

1. Determinación de la adecuación del Análisis Factorial Exploratorio

   • El objetivo del test es evaluar el grado en que una persona queda caracterizada por un determinado rasgo o variable latente,
     • a partir de las respuestas observadas a un conjunto particular
       • tendremos múltiples rasgos o variables latentes
         • ¿Cuándo aplicamos Análisis Factorial y cuándo Componentes Principales?
           • La clave está en el objetivo mismo del análisis
             • Si el análisis pretende identificar el número y composición de los factores comunes
         • ¿Cuál es la recomendación actual?
           • Hoy día la eficiencia computacional del ACP frente al AFE ya no es tal. Disponemos de nuevas opciones de estimación de factores
             • Desde la segunda tendencia, se cuestiona la distinción entre AFE y AFC con respecto a su finalidad,que hacen posible la aplicación del AFE en condiciones en que antes era imposible.
         • si el objetivo es identificar el número y composición de componentes necesario para resumir las puntuaciones observadas en un conjunto
         • ¿Cuándo aplicamos Análisis Factorial Exploratorio y cuándo Confirmatorio?
           • El AFE no permite al investigador definir qué ítems miden qué factores, ni tampoco las relaciones que se suponen entre los propios factores

2. Aspectos relacionados con el diseño: selección de ítems, tamaño y composición de la muestra, y número de ítems por factor

   • Como en cualquier investigación, la utilidad y generalizabilidad de los resultados obtenidos con un AFE dependerá de la adecuación del diseño de la investigación
     • estudios empíricos suelen descuidar esta fase de la investigación
       • Tamaño y composición de la muestra
         • son
           • Uno de los primeros aspectos que ha de decidirse es el subconjunto de items
             • Si
               • omite aspectos relevantes de la variable latente que se desea medir, habrá menos varianza común
   • Recomendación clásica:
     • La recomendación clásica en la selección de los ítems consiste en definir claramente y de forma exhaustiva el constructo a medir y a partir de esa definición seleccionar los ítems de forma que cubran todo los aspectos relevantes en esa definición
       • desde el punto de vista clásico se recoge bajo el epígrafe de validez de contenido
   • Recomendación actual:
     • La experiencia acumulada revela la importancia de aspectos de tipo sustantivo

3. ¿Cómo se selecciona el número de factores más adecuado?

   • Este es quizá de todos, el aspecto más determinante de un AFE
     • El número de factores comunes que hacen falta para explicar las relaciones entre los ítems, y la composición de esos factores, son las dos cuestiones centrales en la interpretabilidad de la estructura factorial obtenida en el análisis
       • Recomendación clásica:
         • La recomendación clásica en este punto es utilizar la regla de Kaiser: seleccionaremos los factores con valores propios mayores que 1 que extraemos de la matriz de correlaciones original.
       • Recomendación actual:
         • Hoy en día, la regla de Kaiser es la más desaconsejada de todas las opciones posibles, aunque a pesar de ello sigue siendo la más utilizada
           • En la actualidad se recomienda con insistencia que la decisión acerca del número de factores se tome tras considerar:
             • 1) varios criterios objetivos, y siempre teniendo en cuenta
             • a 2) la interpretabilidad de la solución encontrada
             • 3) la teoría de partida
       • En cuanto a la interpretabilidad de la solución, diremos que es fundamental en la valoración de lo que sugieran los indicadores objetivos que hayamos considerado.

4. ¿Cuál es el método de estimación de factores más adecuado?

   • Los métodos de estimación de factores recomendados habitualmente son Máxima Verosimilitud y Mínimos Cuadrados Ordinarios .
     • Una de las desventajas de MV, sin embargo, es que requiere el cumplimiento del supuesto de normalidad multivariada
       • A) se recomienda usar el método MV, factorizando la matriz de correlaciones producto-momento de Pearson, si los ítems tienen un número suficiente de categorías de respuesta
       • B) No se recomienda analizar las matrices de correlaciones policóricas mediante MV, porque aunque las estimaciones de los parámetros son generalmente insesgadas
       • Cabe añadir que si bien se han propuesto algunos métodos de estimación robustos a la violación del supuesto de normalidad multivariada

5. ¿Qué tipo de rotación de factores y qué criterio de asignación de ítems a los factores debemos emplear?

   • Thurstone (1947) sugirió que los factores fueran rotados en un espacio multidimensional para conseguir la solución con la mejor estructura simple.
     • El uso de un tipo u otro de rotación tiene implicaciones prácticas a la hora de ofrecer los resultados de un AFE.
       • Los criterios de rotación más ampliamente conocidos, y que se encuentran disponibles en la mayor parte de los programas comerciales de análisis estadístico
         • son:
           • Varimax (Kaiser, 1958) en rotación ortogonal
           • Oblimin directo (Clarkson y Jennrich, 1988)
           • Promax (Hendrickson y White, 1964) en rotación oblicua.
         • En rotación oblicua, el criterio más utilizado ha sido Oblimin directo.
           • Recomendación actual
             • En las últimas dos décadas, los estudios de revisión del uso del AFE
               • han puesto de manifiesto una evolución donde se ha pasado de un uso mayoritario de la rotación ortogonal
       • La contribución de un ítem particular a un factor determinado se indica tanto con los coeficientes patrón

6. Análisis Factorial Exploratorio de Ítems: Breve Guía de uso

   • Hemos presentado mucha información hasta aquí, y puede que en este punto el objetivo de ofrecer unas recomendaciones claras y actuales se haya desdibujado
     • 1) el tipo de datos y la matriz de asociación
     • 2) el método de estimación de factores
     • 3) el número de factores y finalmente
     • 4) el método de rotación y asignación de ítems
     • El tipo de datos y la matriz de asociación
       • El investigador aplicado que pretenda realizar un AFE para evaluar la escala o escalas de su interés debe utilizar tamaños de muestra apropiados, ser consecuente con la naturaleza ordinal, politómica
     • El método de estimación de factores
       • La recomendación para el investigador informado es de nuevo que adapte el método al tipo de datos que desea analizar
     • El método de rotación y asignación de ítems
       • Se recomienda absolutamente la rotación oblicua. Incluso en el caso en que no sea adecuada, porque el resultado obtenido lo pondrá de manifiesto
     • Numero de factores a retener
       • Respecto al número de factores también hay una opción que se desaconseja con la misma energía que el método de estimación CP, y es el criterio de Kaiser.

7. entonces:

   • No se trata de repetir lo que han hecho otros investigadores antes, así no se puede avanzar. Se trata de informarse y tener juicio para tomar las mejores decisiones
     • Así es como se puede salir del laberinto por la puerta principal, como decíamos al principio de este artículo