ANÁLISIS FACTORIALAnálisis factorial es una técnica estadística de reducción de datos usada para explicar las correlaciones entre las variables observadas en términos de un número menor de variables no observadas llamadas factores. Las variables observadas se modelan como combinaciones lineales de factores más expresiones de error. El análisis factorial se originó en psicometría, y se usa en las ciencias del comportamiento tales como ciencias sociales, marketing, gestión de productos, investigación operativa, y otras ciencias aplicadas que tratan con grandes cantidades de datos.

El análisis factorial es una técnica de reducción de datos que sirve para encontrar grupos

homogéneos de variables a partir de un conjunto numeroso de variables.

Los grupos homogéneos se forman con las variables que correlacionan mucho entre sí y procurando, inicialmente, que unos grupos sean independientes de otros.Cuando se recogen un gran número de variables de forma simultánea (por ejemplo, en un

cuestionario de satisfacción laboral) se puede estar interesado en averiguar si las preguntas del

cuestionario se agrupan de alguna forma característica. Aplicando un análisis factorial a las respuestas de los sujetos se pueden encontrar grupos de variables con significado común y conseguir de este modo reducir el número de dimensiones necesarias para explicar las respuestas de lossujetos.

El Análisis Factorial es, por tanto, una técnica de reducción de la dimensionalidad de los datos. Su propósito último consiste en buscar el número mínimo de dimensiones capaces de explicar el máximo de información contenida en los datos.

Fundamentalmente lo que se pretende con el Análisis Factorial (Análisis de Componentes Principales o de Factores Comunes) es simplificar la información que nos da una matriz de correlaciones para hacerla más fácilmente interpretable.

TIPOS DE ANÁLISIS FACTORIAL]

-El análisis factorial exploratorio, AFE, se usa para tratar de descubrir la estructura interna de un número relativamente grande de variables. La hipótesis a priori del investigador es que pueden existir una serie de factores asociados a grupos de variables. Las cargas de los distintos factores se utilizan para intuir la relación de éstos con las distintas variables. Es el tipo de análisis factorial más común.

-El análisis factorial confirmatorio, AFC, trata de determinar si el número de factores obtenidos y sus cargas se corresponden con los que cabría esperar a la luz de una teoría previa acerca de los datos. La hipótesisa priori es que existen unos determinados factores preestablecidos y que cada uno de ellos está asociado con un determinado subconjunto de las variables. El análisis factorial confirmatorio entonces arroja un nivel de confianza para poder aceptar o rechazar dicha hipótesis.

APLICACIONESEl análisis factorial se utiliza para identificar factores que expliquen una variedad de resultados en diferentes pruebas. Por ejemplo, investigación en inteligencia halla que la gente que obtienen una nota alta en una prueba de habilidad verbal también se desempeña bien en pruebas que requieren habilidades verbales. Los investigadores explican esto mediante el uso de análisis factorial para aislar un factor a menudo llamado inteligencia cristalizada o inteligencia verbal, que representa el grado en el cual alguien es capaz de resolver problemas usando habilidades verbales.

Análisis factorial en psicología se asocia frecuentemente con la investigación sobre la inteligencia. Sin embargo, también se ha utilizado en un amplio rango de dominios, tales como personalidad, actitudes, creencias, etc. Está asociado a la psicometría, debido a que puede evaluar la validez de un instrumento estableciendo si el instrumento de verdad mide los factores postulados.

RESULTADOS:

INTERPRETACIÓN DE RESULTADOS

Dos cuestiones pueden ayudar a la interpretación y reconocimiento de los factores: 1) Ordenar la matriz rotada de forma que las variables con saturaciones altas en un factor aparezcan juntas. 2) Eliminar las variables con cargas factoriales bajas (aquellas por debajo de 0,25).

Llamaremos variable compleja a aquella que satura altamente en más de un factor y que no debe ser utilizada para identificar los factores. Factores bipolares, son aquellos en los que unas variables cargan positivamente y otras tienen carga negativa.

VENTAJAS Y DESVENTAJAS:

El análisis factorial como cualquier otra metodología tiene sus ventajas y limitantes. Entre las ventajas tenemos:

1. Sus principios son igualmente aplicables a todas las industrias y a todos los niveles industriales.

2. Al nivel de la empresa puede ser aplicado, después de alguna práctica, por miembros del cuerpo directivo.

3. Debido a su carácter sistemático es más factible que pueda ser aplicado a más problemas de productividad industrial que otros métodos.

4. Es muy útil para especialistas de institutos de investigación ya que puede acelerar el trabajo y facilitar el informe.

5. Permite una mayor colaboración de los que intervienen en las tareas para elevar la productividad debido al uso de cuadros y diagramas en la presentación del informe.

DESVENTAJAS

1. No revela necesariamente todas las fuerzas que afectan las actividades debido a que ha sido concebido como un método de diagnóstico general.

2. No es un procedimiento infalible ya que sólo es una herramienta para obtener información de manera racional y con esta formular juicios.

3. Es necesario el criterio del investigador ya que muchos aspectos de las operaciones industriales no pueden medirse ni compararse cuantitativamente.

4. Como toda metodología es factible de ser corregida, ampliada y mejorada.

EJEMPLOS:

Supóngase que un psicólogo propone una teoría según la cual hay dos tipos de inteligencia, “inteligencia verbal” e “inteligencia matemática”. Nótese que estas son inherentemente inobservables. Se busca evidencia para la teoría en las notas de los exámenes, en 10 temas académicos, a 1000 estudiantes. Si cada estudiante es seleccionado al azar de una población grande, luego, las 10 notas de cada estudiante son variables aleatorias. La teoría de los psicólogos diría que por cada una de las diez materias el promedio de todos los estudiantes que comparten un par de valores para la inteligencias verbal y matemática es constante multiplicada por el nivel de inteligencia verbal más otra constante multiplicada por el nivel de inteligencia matemática, es decir, que hay una combinación lineal de estos dos factores. Los números, para este caso particular, mediante el cual los dos tipos de inteligencia se multiplican para obtener una nota determinada, se postulan teóricamente que son similares para todos los pares obtenidos, lo mismo que el peso de los factores para este tema. Por ejemplo, la teoría podría sostener que la aptitud promedio del estudiante en la materia de anfibología es :

{10 x inteligencia verbal} + {6 x inteligencia matemática}

Los números 10 y 6 son los pesos de los factores asociados a anfibología. Otras materias tendrán diferentes pesos. Dos estudiante que obtengan el mismo grado de inteligencia verbal e idéntica inteligencia matemática podrían tener aptitudes diferentes en anfibología porque las aptitudes individuales son diferentes de las aptitudes promedio. La diferencia se denomina “error”, un término estadístico para designar la diferencia que hay entre la nota de un individuo y el promedio para su nivel de inteligencia.

Los datos observables que van en el análisis factorial serían las 10 notas de cada uno de los 1000 estudiantes, un total de 10.000 valores. Los pesos de y los niveles de los factores de las dos clases de inteligencia de cada estudiante se deben derivar de estos datos, así como también el número de factores.

WEBGRAFIA:

http://www.fuenterrebollo.com/Economicas/ECONOMETRIA/MULTIVARIANTE/FACTORIAL/analisis-factorial.pdf

http://ciberconta.unizar.es/LECCION/factorial/FACTORIALEC.pdf

http://halweb.uc3m.es/esp/Personal/personas/jmmarin/esp/AMult/tema4am.pdf

https://es.wikipedia.org/wiki/An%C3%A1lisis_factorial