Análisis Factorial Exploratorio--Episodio 2

José I. Azuela

26 Jun 202105:45

Summary

TLDREn 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.