Escolar Documentos
Profissional Documentos
Cultura Documentos
Universidad de Castilla-
La Mancha
ANÁLISIS FACTORIAL Y
ANÁLISIS DE
COMPONENTES
PRINCIPALES
Asignatura:
Métodos Avanzados de Investigación
Laura Ros Segura
Laura.Ros@uclm.es
1
principales los datos son transformados en combinaciones lineales que reciben el
nombre de componentes.
En los documento “Costello&Osborne2005” y “Pérez2004” se explican en detalle
las características de cada procedimiento.
Una vez que se han seleccionado las variables y se han comprobado los
supuestos, se está en condiciones de aplicar la técnica de análisis. En este sentido, será
necesario tomar decisiones relacionadas con:
- El método de extracción de los factores. Análisis factorial Vs. Análisis de
Componentes Principales.
2
- El número de factores que se extraerán. Los procedimientos para determinar
el número de factores son diversos (criterio de la raíz latente, criterio de
contraste de caída, criterio de porcentaje de la varianza, criterio a priori, análisis
paralelo, correlaciones residuales, procedimiento MAP…) y varían de unos
programas estadísticos a otros. Tanto en el artículo de Costello y Osborne
(2005) como en los documentos “Ferrando&Anguiano2010” y “Pérez2004”
encontraréis una explicación y discusión de los mismos.
- La rotación de los factores. Generalmente, la rotación es deseable porque
simplifica la estructura de los factores y, por tanto, su interpretación. Esta
rotación puede ser ortogonal –cuando los factores se presumen independientes-
u oblicua –cuando se presumen relacionados-. En este sentido, será la literatura
previa la que permita determinar el grado de dependencia o independencia que
presentan. Continuando con el ejemplo del miedo al delito, lo más razonable
sería asumir que sus distintas dimensiones se encuentran relacionadas y que los
factores guardarán relación entre sí.
- La interpretación de los factores. Una vez que se han identificado los
indicadores que se agrupan en cada factor, se le asignará un nombre que refleje,
con precision, su significado.
Uno de los procedimientos más habituales para validar los resultados del análisis
factorial consiste en realizar una validación cruzada. Para ello, se divide la
muestra original en dos mitades equivalentes. Sobre una de ellas se aplica el análisis
factorial exploratorio y sobre la otra un análisis factorial confirmatorio (cuyas
características se describen en los artículos de Ferrando Anguiano 2010 y Schmitt
2011).
En ocasiones, la muestra original no es lo suficientemente grande como para ser
dividida, en cuyo caso podrá obtenerse una muestra adicional. En todo caso, deberán
compararse los resultados obtenidos con los hallazgos previos de la literatura científica.
3
Figura 1. Fases en la aplicación del análisis factorial.
6. Análisis de fiabilidad
4
media entre ellos es r = .57. La segunda escala está integrada por 10 indicadores cuya
correlación media es mucho menor (r = .28). Aunque es evidente la desigual
consistencia interna, el coeficiente alfa de Cronbach indica que ambas escalas son
igualmente fiables.
- Dirección de los ítems que componen la escala. El hecho de que los ítems
estén formulados en dirección opuesta (por ejemplo, “me siento seguro caminando sólo
por mi vecindario durante la noche” y “me siento inseguro estando sólo en mi
domicilio”), hace decrecer el valor de alfa. Por ello, antes de calcular el coeficiente, es
recomendable recodificar las variables de manera que una puntuación más elevada
indique mayor presencia de aquello que se mide en todos los casos.
- Finalmente, cabe recordar que el coeficiente alfa asume la naturaleza continua
de las variables. Cuando éstas son ordinales, su valor se reduce (Elosúa y Zumbo,
2008), por lo que resulta más adecuado estimar coeficientes de fiabilidad ordinales (es
posible con el entorno R, el programa Factor, o los paquetes MPlus, EQS…) calculados
sobre la matriz de correlaciones policóricas.
Bibliografía
Cortina, J.M. (1993). What is coefficient alpha? An examination of theory and
applications. Journal of Applied Psychology, 78, 98–104. Disponible en
http://www.psycholosphere.com/what%20is%20coefficient%20alpha%20by%2
0Cortina.pdf
Costello, A.B. y Osborne, J.W. (2005). Best practices in Exploratory Factor Analysis:
Four recommendations for getting the most from your analysis. Practical
Assessment, Research & Evaluation, 10(7), 1-9.
Ferrando, P.J. y Anguiano-Carrasco, C. (2010). El análisis factorial como técnica de
investigación en psicología. Papeles del Psicólogo, 31(1), 18-33. Disponible en
http://www.papelesdelpsicologo.es/pdf/1793.pdf
Pérez, C. (2004). Técnicas de análisis multivariante de datos. Aplicaciones con SPSS.
Madrid: Prentice Hall.
Piquero, A.R., Macintosh, R. y Hickman, M. (2000). Does self-control affect survey
response? Applying exploratory, confirmatory, and item response theory
analysis to Grasmick et al.’s self-control scale. Criminology, 38(3), 897-930.
doi: 10.1111/j.1745-9125.2000.tb00910.x
5
Referencias complementarias para profundizar en los contenidos:
Elosúa, P. y Zumbo, B.D. (2008). Coeficientes de fiabilidad para escalas de respuesta
categórica ordenada. Psicothema, 20(4), 896-901. Disponible en
http://www.psicothema.com/pdf/3572.pdf
Schmitt, T.A. (2011). Current methodological considerations in exploratory and
confirmatory factor analysis. Journal of Psychoeducational Assessment, 29(4)
304-321. doi: 10.1177/0734282911406653