V A L I D E Z F A C T O R I A L
- 1. CURSO: ELABORACION DE INSTRUMENTOS DE INSTRUMENTOS Tema: Validez Factorial Maestría Medición, Evaluación de la Calidad de la Educación UNMSM – UPG - Facultad de Educación Mg. Violeta Nolberto Sifuentes C.U. 24/11/05
- 2. 1. INTRODUCCION La validación de constructo es un proceso continuo me- diante el que se realizan estudios para poner a prueba distintas hipótesis de la estructura interna del construc- to y de sus relaciones con otras variables. Se usará el Análisis Factorial (AF), específicamente el Análisis de Factores Comunes (AFC) para evaluar la validez de constructo. AF: Representa una gran variedad de técnicas estadísti- cas cuyo objetivo es representar un conjunto de varia- bles observables en términos de un menor número de hipotéticas variables latentes llamadas FACTORES.
- 3. El conjunto de variables observadas (escalas, items, etc.) se supone que son indicadores de los factores. Royce (1963): Un factor es un constructo operacio- nalmente definido por sus ponderaciones (saturacio- nes) factoriales.
- 4. 2. ANTECEDENTES Técnicas de regresión lineal, iniciadas por Galton . K. Pearson (1901): primera propuesta del "método de componentes principales“. Charles Spearman (1904): se le atribuye el origen del AF, en su clásico trabajo sobre inteligencia, don- de distingue un factor general (factor G) y cierto nú- mero de factores específicos. Hotelling (1933): extracción de factores sobre la téc- nica de "componentes principales". Thurstone (1947), relación entre las correlaciones y las saturaciones de las variables en los factores. Introdujo el concepto de estructura simple.
- 5. También desarrolló la teoría y método de las rotaciones factoriales para obtener la estructura factorial más sen- cilla. En un principio las rotaciones eran gráficas. Kaiser (1958) desarrolló el método Varimax (rotacio- nes ortogonales mediante procedimientos matemáticos) .
- 6. 3. OBJETIVOS Su objetivo principal es agrupar variables en función de la variabilidad que cada variable comparte con o- tras variables. Específicamente: Analizar la correlación existente en una serie de variables, con el fin de descubrir si comparten al- guna estructura latente (no directamente observa- ble). PARSIMONIA e INTERPRETABILIDAD Obtención de puntajes factoriales para cada factor, que son usadas para posteriores análisis y que actúan en representación de los factores
- 7. Son incorrelacionados AFC Altamente correlacionadas Ponderaciones (saturaciones) Factor único Variables originales Factores comunes
- 8. 4. REQUISITOS PARA SU USO Tamaño de muestra elevado: tabachnick y Fidell (1989): tamaño mínimo 5 veces el número de items. Linealidad: Las relaciones entre pares de variables debe ser lineal. Correlación entre variables: Como mínimo deben tener 0,30, para un gran núme- ro de variables. 4. Mulrinormalidad: si usa la inferencia para determinar el número de factores
- 9. 5. SUPUESTOS DEL AFC
- 10. RESULTADOS IMPORTANTES: Cuando se efectúa el análisis a partir de la matriz de covarianzas 2. Cuando se efectúa el análisis a partir de la matriz de correlaciones
- 11. 6. COMPROBACION DEL GRADO DE CORRELACION ENTRE VARIABLES 1. Determinante de la matriz de correlación: próximo a cero, indica la existencia de intercorrelacio- nes muy elevadas. Es pertinente el AFC. 2. Índice KMO (Kaiser-Meyer-Olkin)* < 0,5 , totalmente inaceptable 0,5 a < 0,6 , despreciable o bajo 0,6 a < 0,7 , mediocre 0,7 a < 0,8 , medio o normal. 0,8 a < 0,9 , meritorio 0, 9 a 1, muy bueno *Global o individual.
- 12. 3. Medida de adecuación de la muestra (MSA): Valores próximo a cero, indica la desestimación de la variable para realizar el AFC, en cambio valores pró- ximos a uno, indica que la variables es adecuada para incluirlo en el AFC.
- 13. 7. CRITERIOS PARA SELECCIONAR FACTORES Criterio de Kaiser (1958): Se consideran como factores comunes a aquellos cu- yos autovalores sean mayores de 1. 2. Porcentaje de varianza total atribuible a cada factor
- 14. 3. Grafico de la Ladera: Punto de inflexión indica el número de factores a considerarse
- 15. 8. MATRIZ FACTORIAL (SATURACIONES O PONDERACIONES) Cada coeficiente representa la Correlación entre la variable y el factor. El cuadrado del coeficiente es la proporción de la varianza explicada por el factor Comunalidad (EXPLICA): Especificidad (EXPLICA): 1-0,6577 = 0,3423
- 17. 9. ROTACION DE FACTORES Los resultados del análisis factorial (saturaciones) no siempre son fácilmente interpretables, en el sentido que pueden indicar con claridad que es lo que están midiendo los factores. Para interpretar la solución, los ítems se agrupan en factores, y el significado de estos se infiere analizando qué tienen en común los ítems que se agrupan en un mismo factor. Para facilitar la interpretación se aplica a las satura- ciones un proceso denominado ROTACION, que transforman las saturaciones en otras más sencillas.
- 18. Con la rotación se intenta que la solución factorial se aproxime a la denominada estructura simple . (Rotaciones: Ortogonal y Oblicua) Su interpretación es similar a la matriz anterior