Análisis Factorial con rotación Varimax en Málaga (UMA)

Se trata de un análisis estadístico que investiga las interrelaciones entre un conjunto (más o menos grande) de variables y trata de explicarlas en términos de sus dimensiones comunes latentes, denominadas Factores. Es una técnica de reducción de información que no considera a las variables como dependientes o independientes, pues todas se consideran de manera simultánea.

El Análisis Factorial Exploratorio de una batería de ítems, es una de las técnicas estadísticas más frecuentemente aplicadas en estudios relacionados con la validez de un cuestionario. Se suele utilizar en TFM, TFG, Tesis, Abstract, principalmente para identificar la estructura subyacente a los ítems de un Test.

Partiendo de la base (coletilla muy utilizada por mi progenitor) de que en la prueba de KMO se obtiene un valor alto (superior a 0,8, a partir de 0,5 se empieza a considerar conveniente) y el Test de Barlett resulta significativo (p-valor asociado al estadístico de contraste o Sig. menor que 0,05), se considera conveniente el acometer un Análisis Factorial Exploratorio, ya sea sobre una batería de items de los que subyacen unas componentes o dimensiones, sobre notas, puntuaciones, puntajes, esto es, valores de la variable medidos en escala ordinal.

Con el criterio de conservar aquellos factores o componentes cuyos autovalores sean mayores que 1 (columna de Total), se comprueba que con solo la primera componente queda explicado el 47% de la variabilidad. Si lo que se da preferencia, por el contrario con el otro criterio, es al porcentaje de variabilidad acumulada, se observa que si conservamos 2 Factores queda explicado el 58.17% de varianza acumulada  La proporción de variabilidad total recogida por cada componente es el cociente del autovalor (valor propio) Lambda, dividido por la suma de los autovalores-eigenvalues. Desde un punto de vista gráfico, se pueden conservar los factores a `partir de donde el gráfico de sedimentación (gráfico principal donde comienza este post) haga ‘codo’ (donde empieza la curva a estabilizarse), esto es, podríamos mantener 2 o 3 factores si se da relevancia a este último criterio.

Se puede llevar a cabo un Análisis Factorial para datos continuos si los ítems de la escala tienen 5 o más categorías que se pueden ordenar de menor a mayor, y al mismo se distribuyen de manera simétrica, esto es, no presentan un efecto ‘suelo’ o efecto ‘techo’. El efecto suelo se produce cuando la mayoría de los sujetos responden las opciones más cercanas al límite inferior de respuesta, es decir, en el caso de un ítem tipo Likert standard, se daría un ‘efecto suelo’ si la mayor parte de las personas de la encuesta se hubieran inclinado por las opciones «Muy en desacuerdo» o «En desacuerdo», y muy pocas o ninguna por el resto de opciones. El ‘efecto techo’ tendría lugar cuando la mayoría optaran por la opción «De acuerdo» o «Muy de acuerdo».

Rotación Varimax

Con la Rotación Varimax de todos los factores se obtiene un mejor resultado, ya que al hacer una rotación ortogonal, tiende a asimilar cada variable con un eje (en caso de puntuaciones similares en la matriz de componentes). Esto facilita el significado de la interpretación de los componentes seleccionados. Es la rotación más utilizada, se tiene en cuenta también cuando el objetivo es la reducción a un número menor de variables incorreladas. Se considera conveniente la solución rotada cuando casi todas las cargas factoriales sean más fuertes (mayor peso), hacia una de las componentes (factores), teniendo en cuenta que la otra tiene la suficiente proporción de variabilidad explicada.

Interpretando la tabla de la salida de SPSS, en la Matriz de Componentes se observa que, en el caso de conservar 2 factores, todas las variables presentan mayor puntuación sobre el primer factor. Por el contrario, en el caso de llevar a cabo la rotación, las variables en su conjunto tienen más peso en la segunda componente, mientras que el resto tienen más puntuación en valor absoluto respecto del primer factor.

Algunos autores, proceden a estudiar la estructura factorial de la escala, compuesta por n ítems, mediante un análisis paralelo de Horn como método exploratorio para examinar la validez factorial cuando se trata de ítems dicotómicos, esto es, con 2 categorías de respuesta, lo que resulta recursivo en una cantidad importante de cuestionarios.

Gráfico de cargas factoriales

link de interés Análisis Factorial

estamatica@gmail.com