Академический Документы
Профессиональный Документы
Культура Документы
Caractersticas:
Exploratorio Confirmatorio
Reduccin Reduccin
Reduccin
exploratoria de confirmatoria de
exploratoria de datos
datos datos
Aplicacin:
Reducir el n de variables-dimensiones.
Seleccin variables indicadores mantengan una mayor correlacin con sus factores
I
dentificar la estructura de
dimensiones subyacentes de un
fenmeno, que sirven de base a la
formacin de las variables
originales, identificando las
relaciones y agrupaciones entre las
variables o casos.
La calidad de los resultados de un anlisis factorial depender directamente del criterio del
investigador-analista a la hora de seleccionar las variables objeto de anlisis.
Debe incluirse 5 ms variables por factor (siempre sobre la base de los resultados
previsibles)
El poder del anlisis factorial se basa en su capacidad de encontrar pautas en los grupos
de variables, y resulta de escasa utilidad identificar factores compuestos por una nica
variable.
N de Observaciones:
Tan slo tiene inters comprobar la normalidad cuando se aplican pruebas estadsticas a
la significacin de los factores.
Comunalidad
Supuestos conceptuales:
El anlisis factorial no cuenta con los medios necesarios para determinar la validez
terica de las pautas de relaciones derivadas, al margen de los coeficientes de
correlacin.
Planteamiento matemtico:
Muestra de tamao n
Buscamos p nuevas variables incorreladas Y1, Y2, , Yp, combinacin lineal de las
anteriores y ordenadas decrecientemente en cuanto a su capacidad explicativa.
Las nuevas variables, Y1, Y2, Yp, son variables aleatorias de varianzas decrecientes:
Las nuevas variables, Y1, Y2, Yp, son ortogonales (incorreladas). Su covarianza es
nula
El mayor de los cuales se corresponden con el primer factor (Y1), y nos permite calcular su
vector caracterstico (U1).
Ya que:
ANALISIS FACTORIAL
Planteamiento matemtico:
Muestra de tamao n
La matriz de varianzas-covarianzas
coincide con la de correlaciones (por estar las
variables tipificadas).
Descomposicin:
Mtodo de extraccin en el que los factores obtenidos son los autovectores de la matriz de
correlaciones re-escalados.
El proceso se repite hasta que el resultado converge (resultados estables, sin variacin).
Basado en minimizas la suma de las diferencias al cuadrado entre las matrices de correlaciones
observada y reproducida, ignorando los elementos de la diagonal principal
Procedimiento similar a los de Mnimos cuadrados: proceso iterativo en el que las correlaciones
estn ponderadas inversamente a la especifidad-unicidad.
Asume que las variables observadas siguen una distribucin normal multivariable, implicara
que las estimaciones de los parmetros seran asintticamente insesgados y eficientes.
Intenta maximizar la generabilidad de los factores, considerando las variables como una muestra
del universo de potenciales variables, observadas sobre determinada poblacin de sujetos.
Los valores propios no se obtienen como suma de las cargas factoriales al cuadrado.
Los factores especficos seran errores introducidos por el muestreo aleatorio. Las
comunalidades estimadas se consideran fiabilidades en un contexto de medicin.
Cuando las comunalidades son ALTAS (mayores de 0,6), todos los mtodos tienen a ofrecer
soluciones similares.
Cuando el n de variables observadas es BAJO, las diferencias entre los resultados ofrecidos
por los distintos mtodos dependern fundamentalmente del tamao de las comunalidades.
Fijar a priori un porcentaje mnimo de varianza a conservar: forma de garantizar que la solucin
final ser capaz de representar correctamente los datos originales.
Fijar un mnimo de varianza explicada por cada factor igual al porcentaje de varianza promedio
a cada variable.
Grafico de sedimentacin o scree-plot (test del codo o de Cattell): en una versin analtica, se
seleccionarn todos los factores hasta que la diferencia en reduccin del valor propio sea
negativa.
Criterio de Kaiser o del Valor Propio: se seleccionan los factores con valores propios mayores
que 1
Criterio de fiabilidad por mitades: muestra en dos mitades. Se seleccionan factores obtenidos en
ambos casos.
INTERPRETACIN DE FACTORES
El 1er factor es el mejor posible resumen de las relaciones lineales que los datos manifiestan.
El 2do factor es la segunda mejor combinacin lineal de las variables, sujeto a que sea ortogonal
el 1er factor.
Redistribucin de la varianza explicada desde los primeros factores a los ltimos con el objetivo
de obtener soluciones factoriales ms simples y tericamente mas significativas:
Tipos:
Ajustes: tamao de la muestra: cuanto menor es una carga, mayor deber ser el tamao de la
muestra para que sta pueda ser considerada como significativa.
Nmero de variables: cuanto mayor es el n de variables analizadas, menor a ser la carga para
que sea considerada significativa.
Identificacin de la mayor carga para cada variable: agrupacin de variables en torno a factores
Etiquetado de factores: atribuir un significado al patrn de cargas factoriales. Los signos deben
ser interpretados como los de un coeficiente de correlacin.
Planteamientos alternativos:
Divisin de la muestra
Uso de puntuaciones factoriales como variables sustitutas de las variables observadas originales.
Creacion de escalas aditivas: uso de varable con mayor carga factorial como representante de
una dimensin factoria