Análisis factorial exploratorio (AFE)

¿Qué es análisis factorial exploratorio?

Tantear el terreno

que está pasando

Se puede modificar La teoría

Se usa para ver si la teoría psicología a está funcionando

Ayuda a mejorar el test

Pesos factoriales o lambdas

Relación ítem con el factor

Más alto es más importante

Debe ser 0.3

Comunalidades

Lo que se conoce del ítem

Mayor a 0.2

Unicidades

Lo que no se conoce del ítem

Mientras más bajo mejor

Residuales

Diferencia entre modelo teórico y realidad

Deben ser menores de 0.1

RMSEA

Desviación estándar de los residuos

Deben ser menor a 0.05

Pequeño = no hay diferencia

Funciona mejor en general

RMSR

Promedio

Debe ser menor a 0.08

Que no hay diferencia entre teoría y realidad

Depende de la muestra

Debe ser mayor de 300 de muestra para que funcione bien

TLI

Es una comparación

Mide que tan bueno es el modelo teórico para explicar la realidad

Debe ser mayor a 0.9

No se sabe cuántos factores hay

Teoría de selección de factor

Hay diferentes clases

Componentes principales o método de Kraiser (teoría de selección de factor)

Auto valores (Suma de correlaciones)

Si son mayores a 1 hay un factor

Casi no se usa / súper mala

Muchas veces dice que hay menos factores de lo que existe

Grafico de sedimentación (teoría de selección de factor)

Cualitativo y bastante subjetivo

Ver cuando los auto valores se disparan hacia arriba

Análisis paralelo (teoría de selección de factor)

Crea una matriz de correlaciones cuando nada está relacionado- todo es al azar

Compara las correlaciones al azar con la matriz real

Rotación

Ver si los factores están relacionados o no

Hay dos

Varimax (rotación)

factores no están relacionados

Oblimin (rotación)

Factores si están relacionados

Método de extracción de factores

Hay tres

ULS, ML Y MLM

Ml

Máxima verosimilitud

Que tenga campaña de gauss

Que haya normalidad

Mlm

Método Robusto Satorra-Bentley

Mayor. 250 muestra

No normalidad

Uls

Mínimo cuadrado no ponderados

Menor a 250 muestra

No normalidad

Problema de método de extracción de factores

Caso Heywood

Caso Heywood

Ultra ajuste

Si la muestra es muy pequeña puede haber un caso Heywood

Peso factorial es de 1.01

Significa que mide lo mismo que el factor