Análisis Factorial

Análisis factorial:

El análisis factorial es un procedimiento que se utiliza para medir la validez de constructo, que permite resumir un universo de ítems en variables resumen (factores) en un instrumento, para que expliquen la varianza común. El número de factores debe ser menor al número de ítems (v<k)

También sirve para encontrar estructuras subyacentes los ítems de un instrumento.

2.

Varianza común: es una parte de la variación de una variable (ítem en este caso) que se comparte con las otras variables.

Varianza específica: parte de la variación de la variable (ítem en este caso) que es propia de esa misma variable. Esta puede ser considerada como error o propia de la variable.

3. Regla Kaisser:

Es un criterio que indica considerar los factores que tienen un autovalor (o valor Eigen) superior a 1. Esto quiere decir que su capacidad explicativa es mayor a una variable (un ítem).

El valor Eigen corresponde a la cantidad total de varianza que explica el factor para los ítems que se han considerado como grupo.

4. Nombre y explique dos pasos del análisis factorial

- Realizar cálculo de la matriz de correlación entre todos los ítems posibles: se calcula la matriz de correlaciones entre todos los ítems, para ver el grado de asociación que tienen los ítems entre sí. Debe haber ítems altamente correlacionados, para que haya presencia de factores.

-Realizar un proceso de extracción de factores: se extraen los factores a analizar. Para hacer esto se utiliza más frecuentemente el criterio de raíz latente (regla de kaiser) y un análisis gráfico que corresponde al criterio de contraste de caída. Esto generalmente da resultados pocos claros (ejemplo: ítems en dos factores) y es necesario realizar la rotación de factores.

Se ve cuanta varianza tienen y cúal es el más importante de ellos.

-Rotación de factores: se giran los ejes de las coordenadas, que corresponden a los factores, hasta alcanzar que se aproxime al máximo a los ítems , en otras palabras se realiza para que la distribución de los ítems sea más clara y quede cada ítem en un factor. Así se disminuye la ambigüedad inicial de las cargas factoriales y se facilita su interpretación. Se explica la misma cantidad de varianza. Puede realizarse por rotación Ortogonal (independencia de factores, ángulo de 90°) o rotación Oblicua ( no independencia de factores, y ángulo distintos a 90°)

-Calculo de puntuaciones factoriales

Factor de corrección en el cual se debería multiplicar cada ítem para tener el peso de cada ítem en el factor.

5. Para que sirve la rotación de factores:

Para disminuir ambigüedad inicial de las cargas factoriales y obtener una solución más interpretable aproximándola al principio de estructura simple (tratando de alcanzarlo, porque en la práctica generalmente no se da). Este dice que la matriz funcional debería tener pesos altos y cercanos a 0, cada una de los ítems debe estar en un factor (unidimensionalidad), y no tienen que haber factores con la misma distribución.

De que sirve saber la carga:

Los ítems que más cargan guían sobre el nombre de la variable.

También dan luces para transformar puntajes totales de los ítem, en puntajes factoriales.

• Multicolinealidad: variables que al relacionarse presentan correlaciones altas (miden lo mismo)

• Valor Eigen: Peso de cada factor de cada ítem, varianza que el factor explíca

• Iteraciones: dan luces de la comprensión de la estructura factorial

• Validez de constructo: es el grado en que un instrumento representa de manera fial la estructura teórica que decimos que posee.

• Utilización análisis factorial: creación de escalas aditivas

...