Cómo interpretar análisis factorial

El análisis factorial es un procedimiento de análisis y reducción de datos estadísticos que examina cómo las dimensiones subyacentes llamados factores influyen en los valores de un conjunto de mediciones, o variables. El análisis factorial se utiliza en muchas aplicaciones, especialmente encuesta de investigación. Interpretación de análisis factorial requiere un fuerte conocimiento estadístico, incluyendo la comprensión de la correlación. Altamente correlacionados medidas son propensos a ser influenciados por los mismos factores.

Instrucciones

Análisis de factores: Extracción, rotación e Interpretación

1 Extraer el número de factores. la extracción de factores es la primera etapa del análisis factorial. Es posible que tenga una hipótesis sobre el número de factores que incluyen, o puede que quiera que su análisis para dar cuenta de la mayor cantidad posible varianza. programas de software estadísticos como SAS y SPSS, por nombrar dos de los más populares, tienen procedimientos para el funcionamiento de las extracciones de los factores.

2 Examinar los valores propios, que miden la cantidad de varianza, para identificar el número de factores subyacentes. Un criterio común es utilizar una serie de factores igual al número de valores propios que son mayores que uno. Por ejemplo, si un análisis de las respuestas en una encuesta que está diseñado para medir el prejuicio de los sujetos revela dos valores propios mayores que uno, tiene dos factores.

3 Rote sus factores, utilizando el procedimiento de rotación factor en el programa de software estadístico. Esto producirá una matriz de factores girado que mostrará las puntuaciones de correlación entre cada ítem de la encuesta y el factor subyacente.

4 Interpretar la estructura de los factores en la matriz de rotación de factores, identificando para cada factor (dos factores en nuestro ejemplo) los elementos que tienen correlaciones altas (también conocido como factor de cargas). Los coeficientes de correlación oscilan entre menos uno (correlación negativa perfecta) a más uno (correlación positiva perfecta). Un coeficiente de cero significa que no hay correlación. Cuanto mayor sea el coeficiente de correlación (ya sea positivo o negativo), más fuertemente que elemento está asociado con el factor correspondiente.

5 Basándose en el contenido de los elementos correlacionados, se puede desarrollar un nombre o etiqueta para cada factor subyacente. El factor se convierte entonces en un marco teórico para explicar, en este ejemplo, el prejuicio de un tema determinado.

Consejos y advertencias

• La mayoría de los programas de hojas de cálculo como Excel no pueden llevar a cabo análisis factorial sin la ayuda de programas de add-on que amplían sus capacidades como una herramienta de análisis estadístico. Una variedad de este tipo de programas están disponibles en línea.