El análisis factorial exploratorio de los ítems
Es la técnica por excelencia que se utiliza para explorar el conjunto de variables latentes o factores comunes que explican las respuestas a los ítems de un test.
La técnica se aplica para identificar la estructura subyacente a los ítems de un test.
se estudian y comparan los
diferentes criterios que habitualmente se aplican en la realización de un AFE
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
AFE
El análisis pretende identificar el número y composición de los factores comunes
ACP
El objetivo es identificar el número y composición de componentes necesario para resumir las puntuaciones observadas en un conjunto grande de variables observadas
VARIABLES INDEPENDIENTES
VARIABLES DEPENDIENTES
CAUSA DE UN POSIBLE CONSTRUCTO
SE ASUME QUE LAS MMEDIDAS SON REFLECTIVAS O MANIFESTACIONES DE LOS CONSTRUCTOS SUBYACENTES.
RECOMENDACION CLASICA
El uso de CP como método de para encontrar una solución inicial que identificara el número de dimensiones necesarias para explicar el conjunto de ítems no sufriera estos problemas
Método de extracción de factores.
RECOMENDACION ACTUAL
El hecho de emplear CP como método de estimación de factores supone ignorar el error de medida
El hecho de emplear CP como método de estimación de factores supone ignorar el error de medida
Por qué entonces se sigue usando?
El mensaje aún no ha llegado a todos los interesados, y porque la situación se presta a esa ambigüedad: los programas de análisis factorial incluyen, cómo hemos comentado ya, el método de CP entre sus opciones de métodos de estimación de factores
¿Cuándo aplicamos Análisis Factorial Exploratorio?
¿Cuándo aplicamos Análisis Factorial Confirmatorio?
El AFE no permite al investigador definir qué ítems miden qué factores, ni tampoco las relaciones que se suponen
entre los propios factores, -más allá de si están o no relacionados entre sí
El AFC se caracteriza por permitir al investigador definir cuántos factores espera, qué factores están relacionados entre sí, y qué ítems están relacionados con cada factor.
Aspectos relacionados con el diseño
MUESTRA
CLASICA
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.
ACTUAL
Los ítems redundantes son
ítems que expresan la misma idea con una redacción mínimamente distinta.
¿Cuántos ítems conviene incluir por cada factor?
La práctica habitual es seleccionar tres ítems por factor
como mínimo. Sin embargo, esta práctica es contraproducente, al comprometer la estabilidad de los resultados
Adecuación
de los datos al Análisis Factorial
CLASICA
ACTUAL
La matriz de correlaciones de Pearson como matriz de input.
Algunos autores recomiendan las distribuciones con coeficientes de asimetría y curtosis en el rango (-1,1)
¿Cuál es el método de estimación de factores
más adecuado?
Máxima Verosimilitud (MV)
Mínimos Cuadrados Ordinarios (MCO
Es un método de estimación factorial que proporciona las estimaciones de los parámetros
que con mayor probabilidad han producido la matriz de correlaciones observada, si la muestra procede de una distribución normal multivariada con m factores latentes.
Aquí se agrupan una serie dé métodos descriptivos que tienen como denominador común que determinan la solución factorial que hace que los residuales sean tan próximos a cero como sea posible
¿Cómo se selecciona el número de factores
más adecuado?
CLASICO
ACTUAL
Utilizar la regla de Kaiser: seleccionaremos los factores con valores propios mayores que 1 que extraemos de la matriz de correlaciones original
El número de factores que identifica está en relación directa con el número de ítems que se analicen; si se analizan n variables, el número de factores que obtendrá esta regla oscilará entre n/5 y n/3, sea la escala unidimensional o no.
¿Qué tipo de rotación de factores y qué criterio de asignación de ítems a los factores debemos emplear?
CLASICO
ACTUAL
El método de rotación ortogonal
asume la independencia de los factores; mientras que el método de rotación oblicua permite la correlación entre factores.
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 ortogona
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, poliatómica (tipo Likert) o dicotómica, de los ítems que quiera analizar usando software apropiado en cada caso, y comprobar la adecuación de sus datos al AF al menos mediante la prueba KMO
click to edit