Analisis Factorial Exploratorio

Analisis Factorial Exploratorio

1. Es una técnica estadística que permite explorar con mayor precisión las dimensiones subyacentes, constructos o variables latentes de las variables observadas, es decir, las que observa y mide el investigador.

   • Para los propósitos de un estudio se elabora o se adapta una batería de pruebas (pruebas de medición de constructos cognitivos, cuestionarios de variables afectivas), el AFE se aplica con el objetivo de comprobar hasta qué punto estos instrumentos o los ítems que los conforman representan adecuadamente los constructos latentes de interés o diferentes dimensiones del mismo constructo.
     • Hecho por: Andrea Otero Yamil Eduardo Shaida Nieblas
       • BIBLIOGRAFIA: Mavrou, I. (2015). Análisis factorial exploratorio:: cuestiones conceptuales y metodológicas. Revista Nebrija de Lingüística Aplicada (2015) 19. -- Méndez Martínez, Carolina, & Rondón Sepúlveda, Martín Alonso (2012). Introducción al análisis factorial exploratorio. Revista Colombiana de Psiquiatría, 41(1),

2. Estandares para su aplicacion

   • Es necesario considerar tres estándares fundamentales que se relacionan con: (1) el tamaño muestral, (2) la ratio mínima de casos por variable y (3) la ratio de variables por factor
   • Por lo general, el AFE no debería aplicarse cuando el tamaño muestral está constituido por menos de 50 casos. Además, es preferible que dicho tamaño sea mayor que 100 o, idealmente, 300-400 casos (Hair et al., 2010) a fin de minimizar la probabilidad de equivocación

3. Metodos de extraccion de los factores

   • La Factorización de Ejes Principales (FEP) es un método iterativo basado en la extracción sucesiva de aquellos factores que explican la mayor parte de la varianza común y, también, robusto a violaciones del supuesto de normalidad
   • El método de máxima verosimilitud nos dice que escogeremos como valor estimado del parámetro aquél que tiene mayor probabilidad de ocurrir según lo que hemos observado, es decir aquél que es más compatible con los datos observados, siempre suponiendo que es correcto el modelo matemático postulado.

4. Metodo de rotacion de los factores

   • Cuando la correlación entre factores sea nula o lo que es lo mismo, tienen un ángulo de 90 grados entre factores, utilizar la rotación ortogonal porque produce más resultados fácilmente interpretables, pero este es un argumento defectuoso.
   • La rotación oblicua cuando la correlación entre factores no sea nula y por tanto el ángulo distinto de 90 grados. las rotaciones oblicuas permiten obtener soluciones precisas, simples, reproducibles y más realistas.

5. Determinacion del numero de factores

   • se podría aplicar la regla de Gutman-Kaiser utilizando un límite más pequeño que la unidad (por ejemplo, 0.80).
   • La regla de Gutman-Kaiser, esto es, conservar aquellos factores con valores propios mayores que 1.

6. Significacion de las cargas Factoriales

   • Se opinan que cargas de .50 pueden considerarse, por lo general, fuertes. Otros autores sugieren evaluar la magnitud de las cargas factoriales en función del tamaño muestral
   • Se recomienda interpretar solo aquellas cargas factoriales con un valor absoluto superior a .40, es decir, aquellas que dan cuenta del 16% de la varianza de la variable

Imágenes y archivos del mapa