4 votos

Eliminación de variables de un análisis factorial exploratorio

He realizado un análisis factorial exploratorio sobre un conjunto de preguntas de la encuesta. El resultado son tres factores, pero la combinación de variables en el tercer factor no tiene sentido desde el punto de vista teórico. Los dos primeros factores sí se cargan en estas variables (las cargas son de aproximadamente 0,2). Voy a utilizar las puntuaciones de los factores como variables en posteriores análisis.

¿Debo eliminar del análisis las variables del tercer factor y volver a realizar el análisis factorial con sólo dos factores? ¿O mantener las variables en el análisis y sólo informar (y utilizar) dos factores?

0 votos

¿Cómo ha determinado que el resultado son tres factores? ¿Ha realizado un análisis paralelo?

0 votos

No se realizó un análisis paralelo, sino que el número de factores se decidió a partir del conocimiento de la materia; no obstante, debo añadir que estos ítems no se escribieron con la intención de realizar un análisis factorial. Los dos primeros factores se han cargado básicamente como pensábamos, pero el tercero es una combinación inesperada de variables.

0 votos

Should I drop the variables in the third factor Depende. ¿Cuál es el objetivo de su estudio? ¿Está construyendo un cuestionario con ítems "simples" (es decir, cargados por un factor cada uno)?

3voto

Jeffrey Girard Puntos 640

Yo diría que la teoría y los datos deben considerarse conjuntamente. En lugar de suponer que hay tres factores basándose únicamente en la teoría, utilice los datos (por ejemplo, el análisis paralelo) para sugerir qué rango de números de factores se ajusta a los datos. Ejecute y examine los modelos EFA para cada número de ese rango. Utilice una combinación de técnicas basadas en la teoría y en los datos (por ejemplo, el ajuste del modelo) para decidir entre las opciones de ese rango. Si la solución de dos factores parece ser la más sensata, consérvela. Cuando se añade un factor adicional a un modelo que ya da cuenta de los datos bastante bien, es común que salga un conjunto "extraño" de cargas en ese factor adicional (quizá debido a la varianza metodológica compartida o al ruido). Si su objetivo es comprender la estructura latente que subyace a todos sus elementos, probablemente no debería recortar ninguno. Sin embargo, si su objetivo es obtener un modelo lo más limpio posible (con todos los ítems cargando fuertemente en un solo factor) y no es un gran problema excluir algunos, entonces siéntase libre de recortar un ítem basado en cargas bajas o altas cargas cruzadas. Asegúrese también de documentar todo el proceso.

Puede que este artículo le resulte útil. Es más antiguo, pero en gran medida sigue siendo preciso/relevante: Fabrigar, L. R., Wegener, D. T., MacCallum, R. C., & Strahan, E. J. (1999). Evaluando el uso del análisis factorial exploratorio en la investigación psicológica. Métodos psicológicos, 4 (3), 272-299.

i-Ciencias.com

I-Ciencias es una comunidad de estudiantes y amantes de la ciencia en la que puedes resolver tus problemas y dudas.
Puedes consultar las preguntas de otros usuarios, hacer tus propias preguntas o resolver las de los demás.

Powered by:

X