Você está na página 1de 26

Anlisis Factorial Exploratorio

QU TIENEN EN COMN TODOS ESOS


PROBLEMAS? CMO RESOLVERLOS?
e tener en
qu
ay
h
es
d
tu
ti
ac
de
Qu tipo
labor de un
la
ar
lu
va
e
a
ar
p
ta
en
cu
e medir?
ed
pu
se
o
m

C
r?
do
vende
Cmo medir el g
rado de inteligen
cia de una perso
Existe un nico
na?
tipo de inteligenc
ia
o hay varios? Si
existen varios, c
omo medirlos?

forman la
Qu factores con
a? Cmo
n
o
rs
e
p
a
n
u
e
d
d
a
personalid
medirlos?

Qu es?
Nombre genrico con que se designa a
un conjunto de mtodos estadsticos
multivariados de interdependencia, que
se emplea con el objeto de reducir un
gran nmero de indicadores operativos
en un nmero inferior de variables
conceptuales, las cuales no se
encuentran definidas previamente

Para qu sirve?
EN LA INVESTIGACIN SOCIAL SE TRABAJA CON MUCHOS
CONCEPTOS COMPLEJOS QUE NO SON DIRECTAMENTE
OBSERVABLES

USOS MS FRECUENTES

Reduccin de
informacin

Identificacin de
estructuras
subyacentes

Creacin de
variables
resumen

Para que el Anlisis Factorial tenga sentido deberan


cumplirse dos condiciones bsicas:

Parsimonia e Interpretabilidad
Segn el principio de parsimonia el nmero de factores
debe ser lo ms reducido posible y estos deben ser
susceptibles de interpretacin sustantiva. Una buena
solucin factorial es aquella que es sencilla e interpretable.

Involucra variables latentes (factores), que se


estiman a travs de variables manifiestas.
Modelos de acuerdo a la cantidad de factores:
UNIFACTORIAL

MULTIFACTORI
AL

Conceptos Previos:

Varianza compartida

y comn

V. TOTAL

V. Compartida o
comn

I1: Me la paso muy bien


en mi casa, con mis
padres
I2: Algunas veces me
gustara marcharme de
mi casa
Relacin expresada
por:
R -> Coef. De
Pearson
r(r) -> Proporcin de
varianza comn

V. No Compartida
I1: Me la paso muy bien
en mi casa, con mis
padres
I2: Algunas veces me
gustara marcharme de
mi casa
* Le gusta viajar
Se incluye:
- Varianza
especfica (no
existe
cuantificacin
nica)
- V. de errores de

Modelos Factoriales:

SUPONDREMOS QUE
ESTN TIPIFICADAS.

Variables objeto de anlisis: (X1, X2,, Xp)


Mide sobre n individuos, generando la
siguiente matriz de datos:

Ecuacin

a travs de la que generalmente se expresa el anlisis factorial

Supuestos del modelo:

1. Los factores comunes fj j=1,2,...,k no estn


correlacionados y tienen media cero y varianza uno.
2. Los factores especficos ui no estn
correlacionados y tienen media cero y varianza i
i=1,2,...,p.
3. Los factores comunes no estn correlacionados
con los factores especficos.

Representacin

en forma matricial:

Utilizando las hiptesis anteriores,


correlacin entre las variables:

Hallar la matriz de cargas factoriales:


Hallar la comunalidad y la especificidad:

Esquema del anlisis


factorial:

Formulacin del
problema:
VARIABLES

Normalidad
- uso de pruebas de contraste
de bondad de ajuste
- Asimetria y curtosis
Linealidad:
- Diagramas matriciales de
dispersin
- Anslisi de regresin
mltiple
Multicolinealidad:
- Matriz de corrlacin
- Indices de tolerancia y la
inflacin de la varianza

- Anlisis de
exploracin
inicial.

MUESTRA

No utilizar muestras de conveniencia.


(estudiantes universitarios)
Se requiere muestras extensivas: 5 10 v el
numero de variables
En caso de que sean 200 (altas comunalidades y
factores bien determinados)

Anlisis de matriz
de correlacin
Test de
esfericidad de
Barlett
Medidas de
adecuacin de la
muestra (KMO)

Mtodos de
extraccin de
factores
Componentes
Principales
Ejes Principales
Mxima
Probabilidad

Determinacin del nmero de


factores
Regla de Kassier
Selecciona los factores con eigenvalues superiores a 1
Muestras de tems grandes , selecciona demasiados factores

Criterio del porcentaje de la varianza


Explique un 50% de la variabilidad de la prueba

Criterio de Sedimentacin
Muy empleado en la actualidad
Presenta componentes subjetivos, pero tambin manifiesta alta
confiabilidad.
Punto de corte, determinado por la pendiente

Regla de Kaiser

Criterio de
Sedimentacin

Rotacin de factores
Finalidad:

eliminar pesos negativos y


reducir el numero de CF de cada variable
en cada factor.
Se modifican las estructuran y se vuelven
ms simples, nos permiten interpretar con
ms facilidad.
Merenda, recomienda rotar los factores 2
veces (Oblimin y Varimax)

Rotacin

Ortogon
al

Varimax

Quartim
ax

Oblicua

Equama
x

Oblimin

Promax

Interpretacin de
factores
Identificar

las variables cuyas


correlaciones con el factor son las
ms elevadas en el valor absoluto.
Dar un nombre a los factores.
Papel ponderante de: teora
Estrategias: Ordenarlos y eliminar las
cargas bajas

Você também pode gostar