Analisis Factorial

1. ¿Qué es el análisis factorial?

(Ferrán, 1996)

En muchas ocasiones, nos encontramos con un número muy grande de variables

para medir una determinada realidad. El análisis factorial es una técnica

de reducción de datos, es decir, pretende pasar de ese número elevado de variables,

a un número más pequeño de elementos explicativos, los factores, que le

permitan explicar de una manera más sencilla esa realidad. Es evidente que

esos factores tendrán que obtenerse e interpretarse a partir de las variables

iniciales, y también es cierto que el modelo perderá poder explicativo en ese

proceso. La clave está en ganar facilidad para interpretar la realidad al menor

coste posible en términos de pérdida de información.

Existen dos tipos de análisis factorial: el exploratorio y el confirmatorio. El

análisis exploratorio se caracteriza porque no se conoce a priori el número de

factores, y es en la aplicación empírica donde se determina este número. Por el

contrario, en el análisis de tipo confirmatorio, los factores están fijados a priori,

utilizándose contrastaciones empíricas para su corroboración.

En este tema, trataremos de explicar el análisis factorial a través de la base de

datos de ejemplo que ofrecimos en el capítulo primero y siguiendo, también, el

proceso de construcción de un modelo multivariable que en él detallamos.

3.2 Un ejemplo de aplicación del análisis factorial

(Hair, Anderson, Tatham y Black, 1995)

Paso 1. Objetivos de la investigación y elección de la técnica En el tema anterior, vimos que teníamos siete variables (X1 a X7) para medir

la percepción que tienen de la empresa HATCO sus clientes. Podemos

plantearnos si estas siete variables no son demasiadas y algunas de ellas estarán

midiendo un mismo aspecto de la realidad “percepción del cliente” y podemos

explicar lo mismo con menos factores. Si esto fuera así, tendríamos la ventaja,

por ejemplo, de que otras técnicas multivariables cuyos algoritmos pueden

llegar a ser muy lentos cuando se trabaja con muchas variables, como el análisis

cluster, serían más sencillos de aplicar. Es evidente, pues, que con este

Joaquín Aldás Manzano

2 Análisis factorial

objetivo no pretendemos buscar relaciones de dependencia entre unas variables

y otras, sino de posible interdependencia entre las variables X1 a X7. Repase el

lector la figura 1.2 del tema anterior para ver de qué técnicas dispone.

Debemos señalar que, a priori, no podemos aventurar cuál será el número

lógico de factores: uno, dos, tres... No tenemos ninguna base teórica que nos

diga cuáles son las componentes de la “percepción de HATCO que tienen sus

clientes”. Por lo tanto, no estaremos ante un análisis factorial confirmatorio,

que habría que realizar mediante los sistemas de ecuaciones estructurales.

Tampoco buscamos establecer agrupar a individuos (utilizaríamos el análisis

cluster), sino agrupar variables en factores. Según esa misma figura 1.2 vemos

que el análisis factorial es la técnica adecuada.

Paso 2. Diseño del plan de análisis

La primera cuestión que debe abordar el investigador es determinar cómo están

medidas las variables que pretende analizar. En general las variables deben ser

métricas. aunque también pueden introducirse variables no métricas codificadas

como ficticias (0,1). En el caso de HATCO, las siete variables

...