Análisis Factorial Exploratorio--Episodio 2

Summary

En este tutorial, se exploran los resultados del análisis factorial exploratorio, centrándose en el proceso y los comandos necesarios para llevarlo a cabo. Se discuten las pruebas previas a la extracción de factores, incluyendo el test de Bartlett y el índice KMO, que indican la adecuación de la muestra. Se destaca la importancia de identificar el número de factores extraídos y se presentan criterios como el porcentaje de varianza acumulada y las cargas factoriales. El tutorial concluye enfatizando que los ítems analizados conforman una variable latente que se busca medir.

Takeaways

• 📊 El análisis factorial exploratorio (AFE) se utiliza para identificar la estructura subyacente de un conjunto de datos.
• 🔍 El comando principal para el AFE es 'factor', seguido de las variables observables.
• ✅ Se utiliza el método de componentes principales para la extracción de factores.
• 📈 Es importante realizar pruebas previas a la extracción, como el Test de Esfericidad de Bartlett, para verificar la adecuación de los datos.
• 📉 El valor de KMO debe ser superior a 0.5 para considerar la muestra adecuada; un valor de 0.67 es aceptable.
• 🧩 Se recomienda que el porcentaje acumulado de varianza explicada por los factores sea entre 50 y 60%.
• 🔢 Los factores deben tener un valor propio (eigenvalue) igual o superior a 1 para ser considerados significativos.
• 📊 La matriz de cargas factoriales ayuda a identificar qué ítems se agrupan en cada factor extraído.
• 🌟 Se deben considerar solo las cargas factoriales superiores a 0.5 para incluir un ítem en un factor.
• 📅 Se sugiere ver episodios adicionales para profundizar en el tema del análisis factorial exploratorio.

Q & A

¿Qué es el análisis factorial exploratorio?

Es una técnica estadística utilizada para identificar la estructura subyacente de un conjunto de variables observables.

¿Cuál es el comando utilizado para realizar el análisis factorial exploratorio?

El comando es 'factor', seguido de las variables observables que se van a analizar.

¿Qué método de extracción se utilizó en el tutorial?

Se utilizó el método de extracción de componentes principales.

¿Qué indica un valor de significancia menor o igual a 0.05 en la prueba de Bartlett?

Indica que los indicadores solapan adecuadamente, lo que sugiere que los datos son apropiados para el análisis factorial.

¿Qué es el KMO y qué valor se considera adecuado?

El KMO es la medida de adecuación de la muestra, y se considera adecuado si el valor es superior a 0.5.

¿Cuál fue el valor del KMO en este análisis y qué indica?

El valor del KMO fue de 0.67, lo que indica que la muestra es adecuada para el análisis.

¿Cómo se determina el número de factores extraídos en el análisis?

Se determina evaluando el porcentaje acumulado de la varianza y los valores propios (eigenvalues), buscando que sean superiores a 1.

¿Qué porcentaje de varianza acumulada logró el único factor extraído?

El único factor extraído logró un 74% de varianza acumulada.

¿Qué criterio se recomienda para las cargas factoriales?

Se recomienda que las cargas factoriales sean superiores a 0.5 para considerar que un ítem forma parte del factor extraído.

¿Qué se concluye sobre los ítems analizados en este caso?

Los tres ítems analizados tienen cargas factoriales superiores a 0.5, lo que indica que conforman la variable latente que se busca medir.