Escolar Documentos
Profissional Documentos
Cultura Documentos
Qu es el Anlisis de Factorial?
El Anlisis de Factorial es una tcnica de anlisis multivariado que pertenece a
la familia de modelos de clases latentes. El cual es ampliamente utilizado en ciencias
sociales debido a que muchas cosas no podemos medirlas directamente (ej.
Inteligencia, actitudes polticas, status socioeconmico). Sin embargo estas variables
al no ser observables directamente, sino que se utilizan otras variables para medirlas,
es que se les denomina variables latentes (o subyacentes).
Algunas veces un concepto puede ser representado en una variable latente, pero
normalmente son multidimensionales razn por la poseen ms de una variable
latente.
Las variables latentes comnmente se denominan factores.
Importante:
Muchas veces ACP se confunde con AF, sin embargo esto es incorrecto. AF es
inferencial en el cual los tems son indicadores de la variable latente.
Una Variable Latente (VL) puede ser identificada como aquel concepto til y explicativo
para describir una parte de la realidad. No puede ser medida en s misma.
Una Variable Observada (VO) es aquella que puede ser medida y que es influenciada por
la VL.
Ejemplos de Variables Latentes (VL) y Variables Observadas (VO)?
1)
2)
La actitud poltica (izquierda, centro, derecha) sera una VL, donde podemos ubicar a
los individuos en esta escala donde unos estarn ms a la izquierda (derecha) que
otros. Mientras que indicadores (preguntas) que nos ayuden a construir esta escala
sern las VO. (Percepcin sobre: sistema de salud, educacin privada, tratados de
unin).
El inters es entonces intentar identificar variables observadas que ayuden a revelar algo
sobre el concepto subyacente (variable latente).
Factor A
Variable
X1
Variable
X2
Factor B
Variable
X3
Variable
Y1
Variable
Y2
Variable
Y3
Variable
observada
Cargas
Factoriales
Factor o
variable
latente
Residuos
El modelo de factor lineal como podemos ver es semejante a un modelo regresin lineal
mltiple, dnde buscamos explicar la correlacin entre un conjunto de variables
manifiestas.
Las correlaciones espurias pueden ser explicadas por dependencia de otras variables?
Fijando el modelos
Anlisis Factorial
Matriz de Correlaciones en AF
Dado que en ciencias sociales normalmente trabajamos con variables donde las
unidades de medida son escogidas de forma arbitraria, y por lo tanto los anlisis van
a depender de la escala que hayamos escogido con anterioridad, es importante
estandarizar las variables presentes en un anlisis de componentes principales.
El objetivo del anlisis de factores es explicar las covarianzas o las correlaciones entre
las variables observadas.
La idea es ajustar un modelo factorial implica encontrar los valores de los parmetros
que acerquen lo ms posible los valores de la matriz de correlacin observada a los
valores predichos por el modelo.
Para ello debemos escoger un mtodo que
construya una distancia entre la matriz
observada y la predicha. Algunos mtros
son:
Mxima verosimilitud
Mnimo cuadrados ordinarios
Comunalidades:
La comunalidad de una variable observada estandarizada es el coeficiente cuadrtico
de correlacin mltiple o la proporcin de la varianza explicada por los factores
comunes.
Estos muestra, por ejemplo, que el 49% de la varianza en las puntuaciones galicas se
explica por los dos factores comunes. Ejemplo. (0.562+ 0.432=0.49).
Entre ms larga la comunalidad demostrar que la variable observada estar mejor
asociada al factor.
La suma de la comunalidades es la varianza explicada
por el factor. Ejemplo. (281/6=47%).
2)
3)
Las comunalidades
2.
3.
Condiciones de aplicacin
Tamao Muestral
Recomendaciones
Al menos 5-10 sujetos por variable
El nmero de variable no debe exceder de la mitad de los sujetos
Tipo de variables
Optimo variables continuas, Aceptadas ordinales
Relacin entre variables
Mnimo de 0,3
Funcin de las variables
Variables independientes pero interdependientes
Variables tericamente relacionadas con un concepto general
Anlisis de Componentes
Principales
vs
Anlisis Factorial
Ejemplo de un
Anlisis Factorial
Mat2
Mat3
Len1
Len2
Mat1
1.00
Mat2
0.90
1.00
Mat3
0.85
0.78
1.00
Len1
0.02
0.21
0.09
1.00
Len2
0.12
0.01
0.02
0.87
1.00
Len3
-0.10
0.12
0.11
0.86
0.76
Len3
1.00
Dado que un objetivo de AF es intentar encontrar una variable latente que permita dar
cuenta de la alta asociacin entre variables altamente correlacionadas, y que por lo tanto
explique los altos puntajes es que aplicaremos esta tcnica.
Habilidad en Matemticas
Puntaje
Mat1
Puntaje
Mat2
Puntaje
Mat3
Habilidad en Lenguaje
Puntaje
Len1
Puntaje
Len2
Puntaje
Len3
Habilidad en Matemticas
Puntaje
Mat1
Puntaje
Mat2
Puntaje
Mat3
Habilidad en Lenguaje
Puntaje
Len1
Puntaje
Len2
Puntaje
Len3
AF en R Studio
fa.parallel(data, fa="fa",fm="ml")
scree.plot(data)
1
2
Estadstico
Interpretacin
1 Valores propios
2 Varianza explicada
3 Comunalidades
4 Cargas Factoriales
Anlisis Factorial