Вы находитесь на странице: 1из 1

Avances en Medicin, 7, 3142

2009

EL ANLISIS PARALELO DE HORN: UN ESTUDIO MONTE CARLO DE


LAS ECUACIONES DE REGRESIN PARA LA SELECCIN DE
COMPONENTES1
Jos Ant. Lpez Pina2
Universidad de Murcia, Espaa

Resumen
El anlisis paralelo es uno de los procedimientos ms exactos para determinar los valores propios
significativos en el anlisis de componentes principales. En este estudio de simulacin Monte Carlo se
investiga su exactitud y se compara con la regla de Kaiser y con los procedimientos basados en ecuaciones de
regresin. Las variables manipuladas han sido el tamao muestral (100, 200 y 300), el nmero de tems en el
test (20 y 30), el porcentaje de tems que carg en el segundo componente (20%, 30% y 40%) y la correlacin
entre los componentes (0.00 y 0.30). Los resultados apuntan a que el anlisis paralelo obtiene porcentajes de
xito ms elevados que la regla de Kaiser. Adems, los procedimientos de regresin se pueden utilizar en
sustitucin del procedimiento intensivo slo cuando el tamao muestral es elevado y el porcentaje de tems
que carga en el segundo componente es del 30% o mayor.
Palabras clave: Anlisis de componentes principales, anlisis paralelo, regla de Kaiser, procedimientos de
regresin, estudio Monte Carlo.

Abstract
Parallel analysis is one of the most accurate proposed methods to determine the significant eigenvalues in a
principal component analysis. In this Monte-Carlo study, the accuracy of parallel analysis is tested and
compared with the Kaiser rule and regression procedures. The variables were the sample size (100, 200 and
300), the number of items (20 and 30), the percentage of items that loaded in the second component (20%,
30% and 40%), and the correlation between the components (0.00, and 0.30). The results showed that parallel
analysis had higher rates of accuracy than the Kaiser rule in all experimental conditions. Furthermore,
regression procedures can be used instead of the intensive procedure only when the sample size is high and
the percentage of items that loaded in the second component was 30% or more.
Keywords: Exploratory Factor Analysis, Parallel analysis, Kaiser rule, regression procedures, Monte Carlo
study.

Introduccin
El anlisis factorial exploratorio (AFE) es una de las tcnicas multivariantes ms utilizadas en la
investigacin psicolgica para explorar la estructura dimensional de un conjunto de variables psicolgicas
o de tems que forman un test. Dentro de este nombre se encuadra tanto el anlisis de componentes
principales (ACP) como el anlisis factorial comn (AF), aunque existen importantes divergencias entre
ambos (Gorsuch, 1983; McDonald, 1985; Tabachnick y Fidell, 1983).
El ACP persigue la reduccin de un conjunto de variables interrelacionadas en otro conjunto de
variables que sean ortogonales entre s. Por otra parte, el AF persigue la justificacin de uno o ms rasgos
o atributos sustantivos, creados a partir de la experiencia prctica y la observacin de los investigadores.
En el ACP, los elementos de la diagonal principal son unos, por lo que el conjunto de componentes
resultantes contiene tanto la varianza comn entre las variables como la varianza especfica. En el AF, los
1
2

Este trabajo ha sido financiado por la Fundacin Sneca bajo el proyecto 03109/PHCS/05.
Direccin Postal: Dept. de Psicologa Bsica y Metodologa. Facultad de Psicologa. Campus de Espinardo. Apdo. 4021. 30100-Murcia