Factor analysis | Statistics in Psychology

Psychology UGC NET - JRF & LS

2 Sept 202010:52

Summary

TLDREste video aborda el análisis factorial, un conjunto de métodos utilizados para examinar variables subyacentes no observables reflejadas en variables observadas, reduciendo dimensiones en grandes conjuntos de datos. Se exploran sus fundamentos históricos, destacando a Charles Spearman y otros pioneros como Thurstone y Cattell. Además, se detallan las asunciones y metodologías clave, como la rotación de factores y los métodos de extracción (centrado, componentes principales y máxima verosimilitud). La interpretación de factores se basa en la carga de variables, con el objetivo de simplificar la comprensión de los datos complejos.

Takeaways

😀 El análisis factorial es un conjunto de métodos utilizados para examinar cómo las variables subyacentes, no observables, se reflejan en las variables observadas.
😀 El análisis factorial se utiliza para reducir un gran número de variables a un número menor de factores, facilitando su interpretación y análisis.
😀 Charles Spearman fue el primer psicólogo en discutir el análisis de factores comunes y propuso que una habilidad mental general (factor g) subyace en el rendimiento cognitivo humano.
😀 Lewis Thurstone desarrolló el análisis factorial con múltiples factores, introduciendo conceptos clave como la comunalidad, unicidad y rotación.
😀 Raymond Cattell defendió el uso del análisis factorial en la psicometría para explicar la inteligencia, basándose en la teoría multifactorial de Thurstone.
😀 El análisis factorial es comúnmente utilizado en la investigación de la inteligencia, la personalidad, las actitudes y las creencias.
😀 Uno de los supuestos del análisis factorial es que no debe haber valores atípicos en el conjunto de datos, ya que estos pueden distorsionar los resultados.
😀 Se requiere un tamaño de muestra adecuado, donde debe haber más variables que factores, y cada variable debe tener suficientes datos para obtener resultados fiables.
😀 El análisis factorial también supone que las relaciones entre variables son lineales, aunque los datos no lineales pueden ser transformados a lineales.
😀 El análisis factorial se basa en variables de tipo intervalo, lo que significa que las variables deben tener diferencias numéricas significativas entre sus valores.
😀 Existen varios métodos para realizar un análisis factorial, como el método del centroide, el análisis de componentes principales (PCA) y el método de máxima verosimilitud, cada uno con características propias para extraer factores de un conjunto de datos.
😀 La rotación de factores es un proceso utilizado para simplificar la interpretación de los factores obtenidos, y puede ser ortogonal (factores independientes) u oblicua (factores correlacionados).

Q & A

¿Qué es el análisis factorial y cuál es su propósito?
-El análisis factorial es un conjunto de métodos utilizados para examinar cómo variables subyacentes no observables se reflejan en variables observadas. Su propósito es reducir un gran número de variables en un número más pequeño de factores, también conocido como reducción de datos o reducción de dimensiones.
¿Quién fue el primer psicólogo en discutir el análisis factorial común?
-Charles Spearman fue el primer psicólogo en discutir el análisis factorial común en su artículo de 1904, donde introdujo la idea de un factor mental general, o 'factor g', que subyace al rendimiento cognitivo humano.
¿Cuál fue la contribución de Louis Thurstone al análisis factorial?
-Louis Thurstone resumió el análisis factorial común con múltiples factores en su libro 'The Vectors of Mind'. Introdujo conceptos importantes como la comunalidad, unicidad y rotación, y abogó por una 'estructura simple', desarrollando métodos de rotación para lograrla.
¿Qué es la 'comunalidad' en el análisis factorial?
-La comunalidad es la cantidad de varianza que una variable comparte con todas las otras variables. Representa la proporción de varianza explicada por los factores comunes.
¿Cuáles son algunos de los métodos más importantes en el análisis factorial?
-Algunos de los métodos más importantes en el análisis factorial son el método del centroide, el análisis de componentes principales y el método de máxima verosimilitud.
¿Qué es el análisis de componentes principales y cómo se utiliza?
-El análisis de componentes principales (PCA) es un procedimiento estadístico que utiliza una transformación ortogonal para convertir un conjunto de observaciones de variables correlacionadas en un conjunto de valores de variables linealmente correlacionadas, llamados componentes principales. Se utiliza para reducir la dimensionalidad de un conjunto de datos complejo.
¿Cuál es la diferencia entre rotación ortogonal y oblicua en el análisis factorial?
-En la rotación ortogonal, los factores permanecen independientes, mientras que en la rotación oblicua, se permite que los factores se correlacionen entre sí.
¿Qué son los 'loadings' (cargas factoriales) en el análisis factorial?
-Los 'loadings' son valores que explican cuán estrechamente están relacionadas las variables con cada uno de los factores descubiertos. Son también conocidos como correlaciones vectoriales entre las variables y los factores.
¿Qué criterios se utilizan para interpretar los factores en el análisis factorial?
-Los factores se interpretan inspeccionando el patrón de altas y bajas cargas de cada factor en las variables. Generalmente, se considera que una carga superior a 0.3 es significativa para interpretar un factor.
¿Qué son las 'factores scores' (puntuaciones factoriales) y cómo se calculan?
-Las 'factores scores' son puntuaciones compuestas estimadas para cada respondente sobre los factores derivados. Se calculan usando las combinaciones lineales de las variables que conforman cada factor.