[ANALISISFACTORIAL]

PsicologiaExperimental|Elaboradopor:JosR.Prez

QUE ES EL ANLI SI S MULTI VARI ANTE

El anlisis Multivariante esdefinido porHair, Anderson, Tathan y Black (2004)en elsentido
msampliocomotodoslosmtodosestadsticosqueanalizansimultneamentemedidasmltiplesde
cadaindividuouobjetosometidoaestudio.Inclusocualquierestudioquehagaanlisissimultneode
ms de dos variables puede ser considerado aproximadamente como anlisis multivariantes. Es de
destacar que la mayora de las tcnicas multivariantes surgen como extensiones de las tcnicas de
anlisis univariante, como son los anlisis de distribuciones de una sola variable y del anlisis
bivariante,comopuedenserlasclasificacionescruzadas,correlacin,anlisisdevarianzayregresiones
simples.Unejemploclarodeestoyunatcnicamuyempleadaenlaactualidadenlainvestigacinen
psicologaeslaregresinmltiple,lacualsurgecomoextensindelaregresinsimplequeempleauna
variablepredictora,mientrasquelatcnicamultivarianteincluyevariasvariablespredictoras.
Al momento de delimitar el concepto de multivariante existe una dificultad debido a que el
empleodeltrminodifiereenlaliteraturaexistente.Entoncesalgunosautoresempleaneltrminopara
referirsealestudioentremsdedosvariables,mientrasqueotrosloempleansolocuandosesupone
quetodaslasvariablestienenunadistribucinnormalmultivariante.
SinembargoHairycols(2004)sealanqueparaquealgopuedasercalificadoverdaderamente
demultivariante,todaslasvariablesdebenseraleatoriasyestarinterrelacionadasdetalformaquesus
diferentes efectos puedan ser interpretados separadamente con algn sentido. Algunos autores
afirmanqueelpropsitodelanlisismultivarianteesmedir,explicarypredecirelgradoderelacinde
los valores tericos son combinaciones lineales de variables compuestas a partir de ponderaciones
empricas aplicadas a un conjunto de variables determinadas por el investigador . De esta manera lo
multivarianteestaenlosdiversosvalorestericosynosoloenelnumerodevariablesuobservaciones.
Porelloesimportantequehagamosladistincinentreloqueeselanlisismultivariante,ylastcnicas
multivariableylasmultivariantes.
Otroconceptobsicodentrodelanlisismultivariantesonlasescalasdemedida,lamedidaes
importantepararepresentarconprecisinelconceptodenuestrointersescrucialenlaseleccindel
mtodo de anlisis correcto. En resumen existen dos tipos de datos brutos que son los; No mtricos
(cualitativos)yMtricos(cuantitativos).
[ANALISISFACTORIAL]
PsicologiaExperimental|Elaboradopor:JosR.Prez

El Error de medida se refiere al grado en que los valores de los datos no estn midiendo
verdaderamentelacaractersticadeestarrepresentadosporlavariable,esdecir,noesrepresentativo
de los valores verdaderos. El error de medida tiene mltiples fuentes desde errores en la entrada de
datos a la impresin de la medicin pasando por la imposibilidad de los encuestados para dar
informacinprecisa.Lasmedidasmultivariantesoescalassumadas,sonaquellasquehacenusode
dos o ms variables como indicadores de una medida compuesta nica, un ejemplo de esto es un
contrastedepersonalidad,cualnosdainformacinsobreunaseriedepreguntasindividuales,queson
indicadores, y esto se combinan para formar un nico registro (escala aditiva) lo cual ser
representativodelapersonalidad.Anivelmultivariadotambienseemplealasignificacinestadstica
(Error Tipo I y II) en cuanto a los estadisticos inferenciales y la potenciaestadstica de las pruebas
aplicadas(Hairycols,2004).
QUE ES EL ANLI SI S FACTORI AL
El anlisis factorial es un nombre genrico que se da a una clase de mtodos estadsticos
multivariantes cuyo propsito principal es definir la estructura subyacente en una matriz de
datos. Generalmente hablando, aborda el problema de cmo analizar la estructura de las
interrelaciones (correlaciones) entre un gran nmero de variables (por ejemplo, las puntuaciones
obtenidas en una serie de tems de una prueba) con la definicin y ubicacin de una serie de
dimensionessubyacentes,conocidascomofactores(Hairycols,2004).
El anlisis factorial es una tcnica de reduccin
dedatosquesirveparaencontrargruposhomogneosde
variables a partir de un conjunto numeroso de variables
observadas. Esos grupos homogneos se forman con las
variables que correlacionan mucho entre s, lo que se
espera es que esos grupos sean independientes de otros.
De este modo podramos decir que el anlisis factorial
sirve para explicar un conjunto de variables observadas
mediante un pequeo nmero de variables latentes no observadas (no medidas) a estas variables
latenteslasllamaremosfactores(GuaparaelanlisisdedatosSPSS,2002;Martinez,s.f).
FACTOR(ANALISISFACTORIAL)
Esunacombinacinlinealdelasvariables
originales(valorterico).Losfactores
tambinrepresentanlasdimensiones
subyacentesoconstrucciones,que
resumenojustificanlaserieoriginalde
variablesenobservacin(HairyCols,
2004,p.776).
[ANALISISFACTORIAL]
PsicologiaExperimental|Elaboradopor:JosR.Prez

De este modo con el anlisis factorial el investigador puede

identificar en primer lugar las dimensiones separadas de la
estructura,paraluegodeterminarel gradodeexplicacinquetiene
cada unas de las variables observadas sobre las dimensiones
formadas. Con estos dos pasos se cumplen los dos objetivos del
anlisis factorial, que son el resumenylareduccindedatos. En
este sentido Kerlinger y Lee (2002) sealan claramente que una de
lasutilidadesdelanlisisfactorialesquesirvealacausadelaparsimonia,yaquecomohemosdicho
reducelamultiplicidaddepruebasymedidasaunamayorsimplicidad.
A la hora de resumir los datos, con el anlisis factorial se obtienen unas dimensiones
subyacentes que, cuando son interpretadas y comprendida, describen los datos con un nmero de
conceptos mucho ms reducido que las variables individuales originales. Se puede obtener la
reduccin de datos con el clculo de la puntuacin para cada dimensin subyacente y sustituirlos
porlasvariablesoriginales.
Los autores suelen mencionar al Anlisis Factorial como la primera tcnica por el hecho de
que puede tener un papel nico en el uso de otras tcnicas multivariantes. Ya que una de las
bondadesdeestastcnicasesprecisamentesucapacidaddeacomodarlasvariablesmltiplesconel
findecomprenderlasrelacionesquesedanentreellas(cosaimposibleconlastcnicasunivariantes
o bivariantes). Pero precisamente esa bondad de trabajar con un gran nmero de variables,
aumentalaprobabilidaddequelasvariablesqueseestnestudiandonoestnrelacionadas.Eneste
sentidoHairyCols(2004)sealanlosiguiente:
Finalmente si el nmero de variables es demasiado grande o existe la
necesidaddedarunamejorrepresentacinaunnmerodeconceptosms
pequeoenvezdelasfacetasmltiples,elanlisisfactorialpuedeasistiren
la seleccin de un subgrupo de variables representativo o incluso crear
nuevas variables como sustituas para las variables originales mientras
mantengansucarcteroriginal(p.30).
Esteesunodelosjustificativosdeporquesepresentaelanlisisfactorialcomobasedelos
subsiguientesanlisismultivariantes.Ademasde quemuchos investigadoresconsideranalanlisis
factorialcomolareinadelosmtodosanalticos,debidoasupoder,eleganciaycercanaalcorazn
del propsito cientfico (Kerlinger y Lee, 2002, p. 751). Por otra parte es bueno destacar que el
anlisis factorial es diferente de las tcnicas de dependencia (regresin mltiple, el anlisis
CARACTERISTICAS:
1. Identificar
dimensiones.
2. Explicacin de cada
variable.
3. Resumen.
4. Reduccindedatos.
[ANALISISFACTORIAL]
PsicologiaExperimental|Elaboradopor:JosR.Prez

discriminante, el anlisis multivariante de varianza a o la

correlacin canonca), la diferencias radica en que estas
tcnicas toman en cuenta una o ms variables
explcitamente como variables de criterio o dependientes y
todaslasdemsvariablessonconsiderasdedeprediccino
independientes.
De este modo el Anlisis Factorial se convierte en
una tcnica de interdependencia en la que se consideran
todas las variables de simultneamente, cada una
relacionada con todas las dems y empleando todava el concepto del valor terico. El Anlisis
Factorial, forma una serie de Valores tericos o factores, de forma tal de optimizar la explicacin y
hacer ms interpretables una serie de datos y no para predecir el comportamiento de una o ms
variables. El anlisis factorial, por ende, es una tcnica de reduccin de la dimensionalidad de los
datos. Su propsito ltimo consiste en buscar el nmero mnimo de dimensiones capaces de
explicarelmximodeinformacincontenidaenlosdatos(Hairycols,2004;Guaparaelanlisisde
datosSPSS,2002).

TI POS
Dentro de las opciones para obtener soluciones factoriales, encontramos dos modelos
bsicos:AnlisisFactorialComnyAnlisisdeComponentesPrincipales.SegnsealanHairy
Cols(2004)paraqueseleccionardemaneraadecuadaelmodelo,sedebentenerclaraslasdiferencias
entre los tipos de varianza. Dentro del Anlisis Factorial existen tres tipos de varianza; 1) Comn, 2)
Especificay3)Error.
UTILIDAD:
El Anlisis Factorial, busca formar
unaseriedefactoresquesirvanpara
explicar e interpretar grandes
cantidades de datos o variables,
llevndolosaunamenorcantidadde
variables, que expliquen el mayor
porcentaje de varianza posible de
esas variables observadas o datos
obtenidos.
NObuscalaprediccindevariables.
IMPORTANTE:
El Anlisis de Componentes Principales trata de hallar factores que sucesivamente
expliquen la mayor parte de la varianza total. Mientras que el Anlisis Factorial busca
factoresqueexpliquenlamayorpartedelavarianzacomn.
ACP=VarianzaTotal.
AF=VarianzaComn.
[ANALISISFACTORIAL]
PsicologiaExperimental|Elaboradopor:JosR.Prez

En este sentido el Anlisis de Componentes

Principales (ACP) considera la varianza total y realiza la
estimacindelosfactoresquecontienenproporcionesbajasde
lavarianzanica,yenalgunoscasos,lavarianzadeerror.Con
este anlisis se insertan las unidades en la diagonal de la
matrizde correlacin, para quesetraigala varianzacompleta
enlamatrizdefactores(Hairycols,2004).
PorotraparteelAnlisisFactorialComn,incorpora
las varianzas compartidas en la diagonal. Las Comunalidades
sonestimacionesdelavarianzacompartidaocomnentrelas
variables. Los factores resultantes de este anlisis se basan solamente en la varianza comn (Hair y
cols,2004).
La seleccin de un modelo u otro se basa en dos
criterios; 1) Objetivos del anlisis Factorial y 2) Grado de
conocimientoanteriordelavarianzaenlasvariables.ElACP,es
apropiado cuando el inters primordial se centra en la
prediccin de factores necesarios para justificar la mxima
proporcin de varianza representada en la serie de variables
originales.CuandoelObjetivoquesetieneeslaidentificacinde
dimensiones latentes o construcciones representadas en las
variables originales, y el investigador posee poca informacin
sobrelavarianzaespecificaydeerrorportantoquiereeliminar
estavarianza,esmejorutilizarelModeloFactorialComn(Hair
ycols,2004).
El Anlisis Factorial en la actualidad sigue dos
metodologas, el mtodo tradicional se denomina Anlisis Factorial Exploratorio o AFE, y el mtodo
msnuevosedenominaAnlisisFactorialConfirmatoriooAFC(KerlingeryLee,2002).ElAFEevala
que tan bien se ajusta la solucin factorial obtenida tomando en cuenta un patrn factorial
preconcebido(porejemplo;lateoraquesubyacealconstructoqueseesttrabajando).
VARIANZACOMUN:
Varianza de una variable que se
comparte con todas las variables en
anlisis.
VARIANZAESPECFICA:
Varianza asociada solamente con
unavariableespecifica.
VARIANZAERROR:
Es aquella que se debe a la poca
fiabilidad en el proceso de
recoleccin de los datos o errores
demedicion.
ANALISISFACTORIAL
EXPLORATORIO(AFE):
AFE se inicio con Spearman (1904),
continua con Thurstone (1974) y
culmina con Harman en (1989) y
tiene por objeto explorar la
dimensionalidad latente sobre un
conjunto de variables expresadas a
travsdesusfactorescomunescuya
estructura debe ser lo ms simple
posible (Sociocultural Project,
2008). Incluso investigadores
experimentados de este mtodo
saben cmo realizar
comprobaciones de hiptesis sobre
los factores o variables que estn
trabajando(KerlingeryLee,2002).
[ANALISISFACTORIAL]
PsicologiaExperimental|Elaboradopor:JosR.Prez

Por su parte el AFC en este el numero de factores que

surgecomoresultadodelanlisisfactorialnoestarestringidoa
un numero predefinido. Es bueno sealar que si el numero de
factoresobtenidoeselqueseesperaoelcorrespondienteala
hiptesis, est bien, pero este no debe ser definido
previamente. En este caso adems se permite que las cargas
factorialesseubiquenendondesea,enlugardeserforzadasa
conformar lo ms posible a un ideal predefinido. Este tipo de
anlisis pertenece a un conjunto ms general de mtodos
estadsticos que se conocen Anlisis estructural de
covarianza(KerlingeryLee,2002).

ANALISISFACTORIAL
CONFIRMATORIO(AFC):
AFCseinicio lostrabajosdeLawley
(1940) y suele ser reconocido como
los abanderados del mtodo
Jreshog (1983) y Sbom (1985)
() sea por razones de tradicin
cientfica, sea por comparacin
otros previos, sea por sentido
comn, se suele realizar con un
conocimiento previo a la estructura
delosfactores(Bisquerra,R.,1983;
Cuadras., 1991 cp. Sociocultural
Project). AFC es solo un caso
especial dentro del Anlisis
EstructuraldeCovarianza(Kerlinger
yLee,2002).
ParaConocermssobreAnlisisFactorialConfirmatorioy
Exploratorioserecomiendarevisarlossiguientestextos:

GARCIA JIMNEZ, E.; GIL FLORES, J. y RODRIGUEZ GOMEZ, G. (2000). Anlisis Factorial.
CuadernosdeEstadstica.EditorialLaMuralla.
KLINE,R.B.(1998).PrinciplesandPracticeofStructuralEquationModeling.TheGuilfordPress.
LAWLY, D. N. y MAXWELL, A.E. (1971). Factoranalysisasstadisticalmethod(2ed).Londres:
Butterworth.
[ANALISISFACTORIAL]
PsicologiaExperimental|Elaboradopor:JosR.Prez

CONCEPTOS BASI COS

Parapodertenerunadecuadomanejodequeesel
Anlisis Factorial, es importante manejar y conocer una
serie de conceptos fundamentales. Alguno de ellos ya se
han tocado, como es el concepto de factor, pero antes de
empezar es bueno refrescar algunos conceptos ms
generales como es el de varianza, el cual es fundamental
paralacomprensindeltema.
VARIANZA
Para explicar que es la varianza debemos hacer referencia tambin al clculo de la media.
Incluso es mas fcil entender el porque se calcula la media, para asi entender porque se calcula la
varianza.Deestemododebemosdecirlamedia,expresaelnivelgeneraloelcentrodegravedadde
un conjunto de medidas. Es decir es la representacin autentica del nivel de las caractersticas del
grupoquetrabajamos.
Ahora bien porque calculamos la Varianza, en el caso de las puntuaciones ordinarias, la
varianza es una Es una medida de dispersin del conjunto de puntuaciones, nos dice que tanto se
dispersan los valores de una prueba o medida. Por ejemplo si los valores de nuestra variable
dependientesonmuydistintosyelgruposecomportademaneramuyheterognealasmedidasde
varianzasernaltas.Aslavarianzaesunamedidadedispersindepuntuaciones,quedescribela
medida en que las puntuaciones difieren entre si. En trminos de entender la nocin general del
asunto, la raz cuadrada de la varianza, se denomina Desviacin Tpica o Estndar. La desviacin
tpicaeselpromediodeladistanciadecadapuntorespectodelpromedio.
DeestemodolaVARIANZArepresentalamediaaritmticadelasdesviacionesconrespecto
alamedia[DESVIACIONTIPICA]elevadasalcuadrado.DESVIACIONTIPICArepresentalamediade
distanciasquetienenlosdatosrespectodesumediaaritmtica,expresadaenlasmismasunidades
quelavariable.EsdecireselpromediodeladistanciadecadapuntorespectoalaMEDIA.
VARIANZA:
Es una medida de dispersin del
conjunto de puntuaciones, nos dice
quetantosedispersanlosvaloresde
una prueba o medida. Es decir es la
medida que son indica que tanto
difieren las puntuaciones entre si.
(KerlingeryLee,2002)

[ANALISISFACTORIAL]
PsicologiaExperimental|Elaboradopor:JosR.Prez

FACTOR
Para Kerlinger y Lee (2002) un Factor es un constructo, una entidad hipottica o variable
latente que se asume como el fundamento de pruebas, escalas, reactivos y adems de servir para
medidas de cualquier clase. Estos autores hacen referencias de los investigadores del
comportamiento que estn desarrollando pruebas o escalas, donde el anlisis factorial funge como
un mecanismo para detectar la presencia o ausencia de la validez. Dentro de los estudios de este
tipo, el anlisis factorial es una herramienta para el clculo de la validez de constructo. Por otra
parte Hair y Cols (2004) Es una combinacin lineal de las variables originales (valor terico). Los
factores tambin representan las dimensiones subyacentes o construcciones, que resumen o
justifican la serie original de variables en observacin (Hair y Cols, 2004, p.776). Dentro de esta
literaturasehaceladistincinentrelaconceptualizacindeFactor,entrevariosestadgrafoscomo;
Anlisis Conjunto, MANOVA y ANOVA (Adems de el factor de inflacin de varianza, que es una
medidadelefectodelrestodelasvariables).
AUTOVALOR
Tambin es conocido como VALOR CARRACTERISTICO, RAIZ LATENTE o RAIZ
CARRACTERISTICA, y es una medida de la cantidad de varianza contenida en la matriz de
correlacin de tal forma que la suma de los auto valores sea igual al numero de variables (Hair y
Cols,2004,p.768).Secalculacomolasumaencolumnadelascargascuadradasparaunfactor.
Representa la cantidad de varianza representada por un factor (Hair y Cols, 2004, p.768). En la
GuaparaelanlisisdedatosSPSS(2002) explican que los autovalores expresan la cantidad de la
varianza total que representan cada uno de ellos. Es decir, ellos son la expresin de la cantidad de
varianzaqueexplicadaporcadafactor.Paraobtenerelporcentajedevarianzaexplicadaasociadosa
cadafactor,sedebedividirelpuntajedelautovalor,entrelasumadelosautovalores,queesigualal
numerodevariablesenestudio.
CARGA FACTORIAL
Seentiendoporcargasfactorialesalasmedidasdelacorrelacinentrevariablesorginales
y los factores, y la clave para entender la naturaleza de un factor especifico (Hair y Cols, 2004,
p.769). De este modo si llevamos esas cargas factoriales al cuadrado este valor indicara cual es la
[ANALISISFACTORIAL]
PsicologiaExperimental|Elaboradopor:JosR.Prez

varianzaenunavariableoriginalseatribuyeaunfactor.LaCargafactorialseusaparaexpresaruna
variableestandarizadaentrminosendelosfactores,indicandoelpesoatribuidoacadaunodelos
factores(Grajales, 2000).
Tambin se debe sealar que las cargas factoriales oscilan entre 1.00 y + 1.00 como los
coeficientes de correlacin, por ende las cargas factoriales no son difciles de interpretar. Puede
servir de gua las interpretaciones hechas en base a coeficientes de correlacin (Kerlinger y Lee,
2002).
COMUNALIDAD
Las comunalidades tambin son identificadas como
h
2
. Estas son las sumas de cuadrados de las cargas
factoriales de una prueba o variable. La comunalidad se
refiere a su varianza del factor comn. Los programas
estadsticos como el SPSS, suelen mostrar las
comunalidades asignadas inicialmente y las comunalidades
asignadasproductodelasolucinfactorial.Deestemodola
comunalidad de una variable o tem se refiere a la proporcin de varianza que se puede ser
explicada por el modelo factorial que se obtenga (Kerlinger y Lee, 2002; Gua para el anlisis de
datosSPSS,2002).
ROTACION
Esunprocesodemanipulacinoajustedelosejesdelfactor,deestemodoloquesequiere
lograr es una solucin factorial ms sencilla y bsicamente ms significativa. De este modo la
rotacindefactores,pretendetransformarlamatrizinicialenunaqueseamsfcildeinterpretar,
lo cual es importante siendo que lo que se pretende es identificar factores que sean
substancialmentesignificativos(Hairycols,2004;Grajales, 2000).
Entre los tipos de Rotacin encontramos la Rotacin Ortogonal y la Rotacin Oblicua.

COMUNALIDAD:
Varianza compartida con otras
variables del anlisis factorial (Hair y
Cols, 2004, p.770). Proporcin de la
Varianza total que es Varianza del
Factor Comn (Kerlinger y Lee,
2002).
[ANALISISFACTORIAL]
PsicologiaExperimental|Elaboradopor:JosR.Prez

TIPOS DE ROTACION
Los dos tipos principales de rotacin, tal y como nos
sealanKerlingeryLee(2002)sonlosllamadosortogonaly
oblicuo. Las rotaciones ortogonales mantienen la
independenciadelosfactores;esdecir,losngulosentrelos
ejessemantienena90.Porejemplo,siserotanlosfactores
I y II de forma ortogonal, se giran juntos ambos ejes,
manteniendo el ngulo recto entre ellos. Una
caracterstica importante de este tipo de rotacin es que la
correlacinentrelosfactoresescero.Sesueleargumentarquelarotacinortogonalnoesrealista,
quelosfactoresrealesporlogeneral estncorrelacionados,y quelasrotacionesdeben ajustarsea
larealidadpsicolgica(KerlingeryLee2002,p.767).
Porotraparteencontramosalasrotacionesenlacualeslosejesfactorialespermitenformar
ngulos agudos u obtusos, a estas rotaciones se le conocen como oblicuas.En este sentido lo que
nosindicaesqueenlasrotacionesoblicuaslosfactoresestncorrelacionados.Nocabedudadeque
las estructuras factoriales pueden ajustarse mejor con ejes oblicuos y que los criterios de la
estructura simple se cumplen mejor. Como bien explican Kerlinger y Lee (2002) el tema de la
rotacin factorial puede llegar a ser un tema muy controversial, pero si cabe rescatar dos
sealamientosqueestosrealizanalrespecto,enprimerlugar,
el tipo de rotacin parece ser una cuestin de gusto
(Kerlinger y Lee 2002, p.767). Con esto los autores nos
indicanqueeltipoderotacindependerdeloscriteriosque
elinvestigadorasumaquesonlosmsadecuados.Ensegundo
lugar, sealan que es necesario comprender ambos tipos de
rotacin al grado de que pueda interpretar ambos tipos de
factores, y ser particularmente cuidadoso al enfrentarse con
los resultados de soluciones oblicuas, los cuales contienen
particularidades y sutilezas que no estn presentes en las
solucionesortogonales(KerlingeryLee2002,p.767).

ROTACIONORTOGONAL:
Rotacin de factores en la que los
factores son extrados de tal forma
que sus ejes se mantienen a 90
grados (Hair y Cols, 2004, p.785). Se
supone que los factores
identificados no se relacionan entre
s(Grajales,2000).
ROTACIONOBLICUA:
Rotacin de factores calculada para
que los factores extrados estn
correlacionados. En vez de obligar
arbitrariamente a la rotacin de
factoresaunasolucinortogonal,la
rotacin oblicua identifica el grado
en que cada uno de los factores se
correlacionan (Hair y Cols, 2004,
p.785). Supone cierto grado de
relacin entre los factores que
lleguen a conformarse (Grajales,
2000).
[ANALISISFACTORIAL]
PsicologiaExperimental|Elaboradopor:JosR.Prez

Dentro de la GuaparaelanlisisdedatosSPSS(2002) se describen y explican cada uno de

losmtodosdisponiblesdentrodelarotacinortogonal,loscualessepresentanacontinuacin:
Varimax, Este mtodo se encarga de minimizar el nmero de variables que
tienen saturaciones altas en cada factor. Simplifica la interpretacin de los
factoresoptimizandolasolucinporcolumna.
Quartimax, Este mtodo por su parte se encarga de la minimizacin delnmero
defactoresnecesariosparaexplicarcadavariable.Simplificalainterpretacindelas
variablesobservadasoptimizandolainterpretacinporfilas.
Equamax,EstemtododerotacinqueeslacombinacindelmtodoVarimax,que
simplifica los factores, y el mtodo Quartimax, que simplifica las variables. En este
caso entonces se minimiza tanto el nmero de variables que saturan alto en un
factorcomoelnmerodefactoresnecesariosparaexplicarunavariable.

Del mismo modo la GuaparaelanlisisdedatosSPSS(2002) describe y explican cada uno

delosmtodosdisponiblesdentrodelarotacinoblicua,loscualessepresentanacontinuacin:
Oblimindirecto, Este mtodo para la rotacin oblicua. Se emplea cuando deltaes
igualacero(elvalorpordefecto),lassolucionessonlasmsoblicuas.Amedidaque
delta se va haciendo ms negativo, los factores son menos oblicuos. Para anular el
valor por defecto de delta, puede introducirse un nmero menor o igual que 0,8.
Delta.El valor de delta permite controlar el grado de oblicuidad que puede llegar a
alcanzarlosfactoresdelasolucin.
Promax.Rotacinoblicuaquepermitequelosfactoresestncorrelacionados.Puede
calcularsemsrpidamentequeunarotacinOblimindirecta,porloqueestilpara
grandesconjuntosdedatos.Kappa.Parmetroquecontrolaelclculodelarotacin
Promax. El valor por defecto es 4. Este valor es adecuado para la mayora de los
anlisis.

[ANALISISFACTORIAL]
PsicologiaExperimental|Elaboradopor:JosR.Prez

GRAFICO DE SEDIMENTACION
Como bien explica Gua para el anlisis de datos SPSS (2002) El Grfico de sedimentacin,
tambin llamadopruebadesedimentacindeCattel. Y es una representacin grfica de la magnitud
de los autovalores. Adems se agrega un corte en la tendencia descendente sirve de regla para la
determinacindelnmeroptimodefactoresquedebenestarpresentesenlasolucin.Siemprese
muestra la representacin de los autovalores de la matriz de correlaciones (o de covarianzas)
originales,independientementedelmtododeextraccinseleccionado.

REFERENCI AS
Hair,J.,Anderson,R.,Tathan,R.yBlack,W.(2004).AnlisisMultivariante.Madrid,Espaa:Prentice
Hall.
Martnez, E. (s.f). AnlisisFactorial.Recuperado de la pagina web el 20 de Noviembre de 2008 de
http://www.uantof.cl/facultades/csbasicas/Matematicas/academicos/emartinez/magister/
factorial.pdf
Grajales, T. (2000). El Anlisis Factorial. Recuperado de la pagina web el 15 de Noviembre de
2008dehttp://tgrajales.net/estfactorial.pdf
GuaparaelanlisisdedatosSPSS.(2002).RecuperadodelapaginawebdelaUniversidaddeCdiz
el 15 de Agosto de 2008 de
http://www2.uca.es/serv/ai/formacion/spss/Pantalla/verguia.pdf