El análisis factorial es un método para modelar variables observadas, y su estructura de covarianza, en términos de un número menor de «factores» subyacentes no observables (latentes). Los factores suelen considerarse conceptos o ideas generales que pueden describir un fenómeno observado. Por ejemplo, un deseo básico de obtener un determinado nivel social podría explicar la mayor parte del comportamiento de consumo. Estos factores no observados son más interesantes para el científico social que las medidas cuantitativas observadas.
El análisis de factores es generalmente un método exploratorio/descriptivo que requiere muchos juicios subjetivos. Es una herramienta muy utilizada y a menudo controvertida porque los modelos, los métodos y la subjetividad son tan flexibles que pueden producirse debates sobre las interpretaciones.
El método es similar a los componentes principales aunque, como señala el libro de texto, el análisis factorial es más elaborado. En cierto sentido, el análisis factorial es una inversión de los componentes principales. En el análisis factorial modelamos las variables observadas como funciones lineales de los «factores». En los componentes principales, creamos nuevas variables que son combinaciones lineales de las variables observadas. Tanto en el ACP como en el AF, la dimensión de los datos se reduce. Recordemos que en PCA, la interpretación de los componentes principales no suele ser muy limpia. Una variable concreta puede, en ocasiones, contribuir significativamente a más de uno de los componentes. Lo ideal es que cada variable contribuya significativamente a un solo componente. Para ello se emplea una técnica denominada rotación de factores. Algunos ejemplos de campos en los que se utiliza el análisis factorial son la fisiología, la salud, la inteligencia, la sociología y, a veces, la ecología, entre otros.
0 comentarios