El análisis factorial exploratorio de los ítems: análisis guiado según los datos empíricos y el software.

Autores/as

  • Susana Lloret Universidad de Valencia
  • Adoración Ferreres Universidad de Valencia
  • Ana Hernández Universidad de Valencia
  • Inés Tomás Universidad de Valencia
DOI: https://doi.org/10.6018/analesps.33.2.270211
Palabras clave: Análisis Factorial Exploratorio, SPSS, FACTOR, PRELIS, MPlus.

Resumen

El objetivo del presente trabajo es ilustrar cómo la aplicación adecuada o inadecuada del análisis factorial exploratorio (AFE) puede llevar a conclusiones muy diferentes. Para ello se evalúa el grado en que cuatro paquetes estadísticos diferentes que permiten realizar AFE de ítems, en concreto SPSS, FACTOR, PRELIS y MPlus, permiten o limitan la aplicación de los estándares actualmente recomendados en materia de análisis factorial. Asimismo se analizan y comparan los resultados que ofrecen dichos programas cuando se factorizan datos empíricos de escalas que ajustan, según el caso, de manera inadecuada, ambigua u óptima a los supuestos del modelo AFE lineal clásico, a través de las distintas posibilidades que ofrecen los distintos programas. Los resultados de la comparación ilustran las consecuencias de elegir entre un programa u otro, y también las consecuencias de elegir entre unas opciones u otras dentro de un mismo programa, en función de la naturaleza de los datos. Finalmente se ofrecen una serie de recomendaciones prácticas dirigidas a los investigadores aplicados con cierta orientación metodológica.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

Anstey, E. (1959). Test de Dominós. Buenos Aires: Paidós.

Bock, R. D., Gibbons, R., & Muraki, E. (1988). Full-information item factor analysis. Applied Psychological Measurement, 12, 261-280. doi: 10.1177/014662168801200305

Browne, M. W. (1972a). Orthogonal rotation to a partially specified target. British Journal of Mathematical and Statistical Psychology, 25, 115-120. doi: 10.1111/j.2044-8317.1972.tb00482.x

Browne, M. W. (1972b). Oblique rotation to a partially specified target. British Journal of Mathematical and Statistical Psychology, 25, 207-212. doi: 10.1111/j.2044-8317.1972.tb00492.x

Browne, M. W. (2001). An overview of analytic rotation in exploratory factor analysis. Multivariate Behavioral Research, 36, 111-150. doi: 10.1207/S15327906MBR3601_05

Browne, M. W., & Cudeck, R. (1993). Alternative ways of assessing model fit. In K. A. Bollen & J. S. Long (Eds.): Testing structural equation models (pp. 136-136). Sage Publications

Chen, F. F. (2007). Sensitivity of goodness of fit indexes to lack of measurement invariance. Structural Equation Modeling: A Multidisciplinary Journal, 14, 464-504. doi: 10.1080/10705510701301834

Cheung, G. W., & Rensvold, R. B. (2002). Evaluating goodness-of-fit indexes for testing measurement invariance. Structural Equation Modeling: A Multidisciplinary Journal, 9, 233-255. doi: 10.1207/S15328007SEM0902_5

Fabrigar, L. R., Wegener, D. T., MacCallum, R. C., & Strahan, E. J. (1999). Evaluating the use of exploratory factor analysis in psychological research. Psychological Methods, 4, 272-299. doi: 10.1037/1082-989X.4.3.272

Ferrando, P. J. (1994). El problema del factor de dificultad: una revisión y algunas consideraciones prácticas [The problem of difficult factor: A revisión and some practice considerations]. Psicológica, 15, 275-283.

Ferrando, P. J., & Anguiano-Carrasco, C. (2010). El análisis factorial como técnica de investigación en psicología [The factor analysis as method of research in Psychology]. Papeles del Psicólogo, 31, 18-33.

Ferrando, P. J., & Lorenzo-Seva, U. (2013). Unrestricted item factor analysis and some relations with item response theory. Technical Report. Retrieved from http://psico.fcep.urv.es/utilitats/factor/

Ferrando, P. J., & Lorenzo-Seva, U. (2014). El análisis factorial exploratorio de los ítems: algunas consideraciones adicionales [Exploratory item factor analysis: Some additional considerations]. Anales de Psicología, 30, 1170-1175.

Flora, D. B., LaBrish, C., & Chalmers, R. P. (2012). Old and new ideas for data screening and assumption testing for exploratory and confirmatory factor analysis. Frontiers in Quantitative Psychology and Measurement, 3, 1-21. doi: 10.3389/fpsyg.2012.00055

Harman, H. H. (1980). Análisis factorial modern [Modern factor analysis]. Madrid: Saltés.

Hendrickson, A. E., & White, P. O. (1964). Promax: A quick method for rotation to a simple structure. British Journal of Mathematical and Statistical Psychology, 17, 65-70. doi: 10.1111/j.2044-8317.1964.tb00244.x

Horn, J. L. (1965). A rationale and test for the number of factors in factor analysis. Psychometrika, 30, 179-185. doi:10.1007/BF02289447

Izquierdo, I., Olea, J., & Abad, F. J. (2014). El análisis factorial exploratorio en estudios de validación: usos y recomendaciones [Exploratory factors analysis in validation studies: Uses and recommendations]. Psicothema, 26 (3), 395-400. doi: 10.7334/psicothema2013.349

Jöreskog, K. G. (2002). Structural equation modeling with ordinal variables using LISREL (updated in 2004). Technical report. Available on http://www.ams.sunysb.edu/~zhu/tmp/Yue/SEM_brain/covariate/covariate2/SEM%20with%20ordinal%20variables%20using%20LISREL.pdf

Jöreskog, K. G. (2003). Factor analysis by MINRES. Technical report. Available on http://www.ssicentral.com/lisrel/techdocs/minres.pdf

Jöreskog, K. G., & Sörbom, D. (2007). LISREL 8.80. [Computer Software]. Lincolnwood, IL: Scientific Software International, Inc.

Jöreskog, K. G., Sörbom, D., Du Toit, S., & Du Doit, M. (1999). LISREL 8: New statistical features. Chicago: Scientific Software International.

Kaiser, H. F. (1958). The varimax criterion for analytical rotation in factor analysis. Psychometrika, 23, 187-200. doi:10.1007/BF02289233

Kaiser, H. F. (1974). An index of factorial simplicity. Psychometrika, 39, 31-36. doi:10.1007/BF02291575

Kiers, H. A. L. (1994). Simplimax: Oblique rotation to an optimal target with simple structure. Psychometrika, 59, 567-579. doi:10.1007/BF02294392

Lloret, S., Ferreres, A., Hernández, A., & Tomás, I. (2014). El análisis factorial exploratorio de los ítems: una guía práctica, revisada y actualizada [Exploratory item factor analysis: A practical guide revised and updated]. Anales de Psicología, 30, 1151-1169. doi: 10.5018/analesps.30.3.199361

Lorenzo-Seva, U. (1999). Promin: a method for oblique factor rotation. Multivariate Behavioral Research, 34, 347-356. doi: 10.1207/S15327906MBR3403_3

Lorenzo-Seva, U., & Ferrando, P. J. (2006). FACTOR: a computer program to fit the exploratory factor analysis model. Behavioral Research Methods, 38, 88-91. doi:10.3758/BF03192753

Lorenzo-Seva, U., & Ferrando, P. J. (2013). FACTOR 9.2. A comprehensive program for fitting exploratory and semiconfirmatory factor analysis and IRT models. Applied Psychological Measurement, 37, 497-498. doi: 10.1177/0146621613487794

Lorenzo-Seva, U., & Ferrando, P. J. (2012). TETRA-COM: A comprehensive SPSS program for estimating the tetrachoric correlation. Behavioral Research, 44, 1191-1196. doi:10.3758/s13428-012-0200-6

Lorenzo-Seva, U., & Ferrando, P. J. (2015). POLYMAT-C: A comprehensive SPSS program for computing the polychoric correlation matrix. Behavior Research Methods, 47(3), 884-889. doi:10.3758/s13428-014-0511-x

Lorenzo-Seva, U., & Van Ginkel, J. R. (2016). Multiple imputation of missing values in exploratory factor analysis of multidimensional scales: estimating latent trait scores. Anales de Psicología, 32, 596-608. doi: 10.6018/analesps.32.2.215161

Mardia, K. V. (1970). Measures of multivariate skewness and kurtosis with applications. Biometrika, 57, 519-530. doi: 10.1093/biomet/57.3.519

Marsh, H. W., Richards, G. E., Johnson, S., Roche, S., & Tremayne, P. (1994). Physical Self-Description Questionnaire: Psychometric properties and a multitrait-multimethod analysis of relations to existing instruments. Journal of Sport and Exercise Psychology, 16, 270-305.

Muthén, B., & Kaplan D. (1985). A comparison of some methodologies for the factor analysis of non-normal Likert variables. British Journal of Mathematical and Statistical Psychology, 38, 171-189. doi: 10.1111/j.2044.8317.1985.tb00832.x

Muthén, B., & Asparouhov, T. (2010). Bayesian SEM: A more flexible representation of substantive theory. Psychological Methods, 17, 313-335. doi : 10.1037/a0026802

Muthén, L. K., & Muthén, B. O. (1998-2012). Mplus user’s guide (7th ed.) Los Angeles, CA: Muthén & Muthén.

Muthén, L. K., & Muthén, B. O. (2007). Mplus user’s guide (5th ed.) Los Angeles, CA: Muthén & Muthén.

O’Connor, B. (2000). SPSS and SAS programs for determining the number of components using parallel analysis and Velicer's MAP test. Behavior Research Methods, Instruments, & Computers, 32, 396-402. doi:10.3758/BF03200807

Satorra, A., & Bentler, P. M. (2001). A scaled difference chi-square test statistic for moment structure analysis. Psychometrika, 66, 507-514. doi:10.1007/BF02296192

Trendafilov, N. (1994). A simple method for procrustean rotation in factor analysis using majorization theory. Multivariate Behavioral Research, 29, 385-408. doi: 10.1207/s15327906mbr2904_4

Velicer, W. F. (1976). Determining the number of components from the matrix of partial correlations. Psychometrika, 41, 321–327. doi:10.1007/BF02293557

Widaman, K. F. (1985). Hierarchically nested covariance structure models for multitrait-multimethod data. Applied Psychological Measurement, 9, 1-26. doi: 10.1177/014662168500900101

Publicado
31-03-2017
Cómo citar
Lloret, S., Ferreres, A., Hernández, A., & Tomás, I. (2017). El análisis factorial exploratorio de los ítems: análisis guiado según los datos empíricos y el software. Anales de Psicología / Annals of Psychology, 33(2), 417–432. https://doi.org/10.6018/analesps.33.2.270211
Número
Sección
Metodología de las ciencias del comportamiento