¡Pónte al día con las nuevas recomendaciones para el Análisis Factorial Exploratorio!
1) No confundir el análisis factorial con el análisis de componentes principales. A pesar de que SPSS los incluye en el mismo tipo de análisis, sus supuestos son muy diferentes.
2) Deja atrás el criterio de Kaiser. A pesar de que en SPSS es la opción por defecto (retener autovalores mayores a 1), su uso es inadecuado porque tiende a formar más factores de los que realmente existen, simplemente por correlaciones azarosas. Puedes usar el análisis paralelo o bien guiarte por lo que te dice el gráfico de sedimentación y tu propio criterio como investigador/a.
3) El método de extracción por defecto en SPSS es 'componentes principales', pero esto no es apropiado para un análisis factorial. La recomendación es usar los métodos máxima verosimilitud, mínimos cuadrados no ponderados (ULS), mínimos cuadrados generalizados o factorización por ejes principales. El método más recomendado cuando los datos no tienen distribución normal es ULS.
4) Se aconseja usar rotaciones oblicuas (que permiten correlación entre los factores). Se pueden probar diferentes métodos oblicuos y elegir el que genere una solución más interpretable.
5) Los ítems deben tener una carga o peso factorial mínimo de 0,300 en muestras grandes (n>400) y en muestras de menor tamaño al menos 0,400.
Puedes encontrar la explicación completa sobre estas recomendaciones en:
Lloret-Segura, S., Ferreres-Traver, A., Hernández-Baeza, A., & Tomás-Marco, I. (2014). El Análisis Factorial Exploratorio de los Ítems: una guía práctica, revisada y actualizada. Anales de Psicología, 30(3), 1151–1169. https://doi.org/10.6018/analesps.30.3.199361
* Foto con licencia CC BY-NC-ND
Commentaires