v a l i d e z f a c t o r i a l
DESCRIPTION
Cátedra de la profesora Violeta Nolberto (UNMSM)TRANSCRIPT
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
1. INTRODUCCION
La validación de constructo es un proceso continuo me-diante el que se realizan estudios para poner a pruebadistintas 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.
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.
2. ANTECEDENTES
Técnicas de regresión lineal, iniciadas por Galton. K. Pearson (1901): primera propuesta del "métodode 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.
También desarrolló la teoría y método de las rotacionesfactoriales 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) .
3. OBJETIVOS
Su objetivo principal es agrupar variables en funciónde la variabilidad que cada variable comparte con o-tras variables.Específicamente:1. 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 INTERPRETABILIDAD2. Obtención de puntajes factoriales para cada factor, que son usadas para posteriores análisis y que actúan en representación de los factores
pXXX ...,,, 21
Son incorrelacionadosmFFF ,...,, 21
AFC
Altamentecorrelacionadas
1121211111 ... mm FlFlFlX
pmpmpppp
mm
FlFlFlX
FlFlFlX
...
..........................................................
...
2211
2222212122
Ponderaciones(saturaciones)
Factorúnico
Variables originales Factores comunes
4. REQUISITOS PARA SU USO
1. Tamaño de muestra elevado: tabachnick y Fidell (1989): tamaño mínimo 5 veces
el número de items.2. Linealidad: Las relaciones entre pares de variables debe ser lineal.3. 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
0,,,0,,0
FCovCovEIFCovFE
5. SUPUESTOS DEL AFC
p
000
....
000
000
2
1
RESULTADOS IMPORTANTES:
específicaianzadcomunalida
hll iiiimiii
var
....... 2221
específicaianzadcomunalida var1
1. 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
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.
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.
7. CRITERIOS PARA SELECCIONAR FACTORES
1. 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
RTrp
m
ii
m
ii
11
ˆˆ
3. Grafico de la Ladera: Punto de inflexión indica el número de factores a considerarse
8. MATRIZ FACTORIAL (SATURACIONES O PONDERACIONES)
Component Matrixa
,800 -,133
,775 -,083
,725 -,374
,656 ,072
,590 -,382
,570 ,036
,538 ,204
,478 ,102
,267 ,834
,432 ,690
-,153 ,681
,131 ,179
EXPLICA
ASITENCIA
ADAPTA
PREPARA
DISPONIBLE
DOMINA
RESPONDE
SISTEMA
COMUNICACION
BIBLIOGRAFIA
MATERIAL
CRITERIOS
1 2
Component
Extraction Method: Principal Component Analysis.
2 components extracted.a.
Cada coeficiente representa la Correlación entre la variable yel factor.El cuadrado del coeficiente es la proporción de la varianza explicada por el factor
Comunalidad (EXPLICA): 6577,0)133,0()8,0( 22
Especificidad (EXPLICA):1-0,6577 = 0,3423
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 analizandoqué 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.
Con la rotación se intenta que la solución factorial seaproxime a la denominada estructura simple.(Rotaciones: Ortogonal y Oblicua)
Rotated Component Matrixa
,807 ,073
,796 -,179
,771 ,116
,667 -,220
,617 ,236
,542 ,179
,469 ,333
,436 ,219
,048 ,874
,244 ,777
-,320 ,620
,082 ,206
EXPLICA
ADAPTA
ASITENCIA
DISPONIBLE
PREPARA
DOMINA
RESPONDE
SISTEMA
COMUNICACION
BIBLIOGRAFIA
MATERIAL
CRITERIOS
1 2
Component
Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization.
Rotation converged in 3 iterations.a.
Su interpretación es similar a la matriz anterior