ANÁLISIS FACTORIAL
Procedimiento matemático que se utiliza para explicar el patrón de intercorrelaciones entre un conjunto de variables al derivar el número más pequeño de variables o factores significativos.
Factor:
Dimensión hipotética, derivada de manera estadística, que explica parte de las intercorrelaciones entre un conjunto de variables.
Finalidad:
Explicar esas intercorrelaciones al identificar el menor número de variables o factores subyacentes significativos que puedan explicar esas intercorrelaciones.
Se basa en la suposición de que una correlación significativa entre dos variables indica un factor subyacente común que comparten ambas.
Se utliza también para delimitar los patrones en un grupo complejo de datos, descubrir la estructura básica en un conjunto de datos, para desarrollar una tipología empírica, desarrollar, escalas y ponderar los factores en las escalas o poner hipótesis.
Métodos empleados en el análisis factorial
Análisis de componente principal
Análisis de factor principal
Busca el conjunto de factores que puede explicar toda la varianza común y única en un conjunto de variables.
Incorpora los estimados previos de comunalidad, busca el menor conjunto de factores que puedan explicar la varianza común en un conjunto de variables,
Factor general
Un factor en que todas las variables tienen cargas, cuando todas las subpruebas se superponen.
La rotación reacomoda los factores de modo que, en términos ideales, para cada existan algunas variables con altas cargas y otras con bajas.
Ortogonales
Rotación oblicua
Rotación varimax
Factores grupales
Componentes
Especificidad
Varianza de error
Comunalidad
Aquella parte de la varianza total que se puede atribuir a factores comunes.
Parte de la varianza total que se debe a factores específicos de una variable particular, no al error de medición o a los factores comunes.
Parte de la varianza total que permanece cuando se resta la confiabilidad de la variable de la varianza total
Método estadístico complejo
Procedimiento útil
Resultados obtenidos, interpretarse con mucho cuidado