1. Metodología
1.1. Determinar si AF es una técnica apropiada
1.1.1. Extracción de factores
1.1.1.1. Donde sugen problemas
1.1.1.2. Identidad fundamental del AF
1.1.1.3. Métodos
1.1.1.3.1. Componentes principales
1.1.1.3.2. Ejes principales
1.1.1.3.3. Maxima verisimilitud
1.1.1.3.4. Mínimo cuadrado no ponderado
1.1.1.3.5. Mínimo cuadrado generalizado
1.1.1.3.6. Factorización por imagenes
1.1.1.3.7. Alfa Crombach
1.1.2. Determinacion de factores
1.1.2.1. Trata de cumplir el principio de parsimonía
1.1.2.2. Regla de Kaiser
1.1.2.2.1. Alusión del Análisis de Componenetes Principales
1.1.2.3. "A priori"
1.1.2.3.1. Mas fiable con datos y variables elegidos
1.1.2.4. Criterio del porcentaje de la varianza
1.1.2.5. Criterios de sedimentación
1.1.2.6. División a la mitad
1.1.3. Pruebas de signficación
1.1.3.1. Aplica contrastes de hipótesis de modelos anidados
1.1.3.2. Esta basado en resultados asintóticos
1.1.4. Interpretacion de factores
1.1.4.1. Se basa en correlaciones estimadas de las variables originales
1.1.4.2. Por medio de representacion grafica del resultado
1.1.4.2.1. Ejes factoriales
1.1.5. Rotación de factores
1.1.5.1. Ortogonal
1.1.5.1.1. Cuantifican el grado y tipo de relación de factores y variables
1.1.5.2. Oblicua
1.1.5.2.1. Relacion existente entre factor variable
1.1.6. Cálculo de puntuaciones factoriales
1.1.6.1. Métodos de regresión
1.1.6.1.1. Puntuaciones de maxima correlación
1.1.6.2. Método de barlett
1.1.6.2.1. Puntuaciones correladas teoóricas, insotados y unívocas
1.1.6.3. Meétodo de Anderson-Rubin
1.1.6.3.1. Puntuaciones ortogonales correladas
1.1.7. Validación del modelo
1.1.7.1. Estado de valides del modelo
1.1.7.1.1. Bondad de ajuste
1.1.7.1.2. Generalidad de resultados
1.1.7.1.3. Alfa Crombach
1.1.8. Adecuación de datos
1.1.8.1. KMO
1.1.8.1.1. Contrasta correlaciones parciales con variables pequeñas
1.1.8.2. Esfericidad de Barlett
1.1.8.2.1. La matriz de correlaciones es una matriz idéntica
2. Concepto
2.1. Técnica estadística
2.1.1. Conjunto de variantes cuantitativas
2.1.2. Reduce datos
2.2. Presentan interrelaciones importantes
2.3. Resumen de información
2.4. Finalidad / Propósito
2.4.1. Elabora una estructura simple que permita globalizar
2.4.2. Encontrar grupos homegéneos
2.4.3. Explica el máximo de información
2.4.4. Analizar toda la varianza
2.4.4.1. Análisis de componentes principales
2.4.4.2. Factores ortogonales
2.4.4.2.1. Varianzas incorrelados
2.4.4.3. Factores oblicuos
2.4.4.3.1. Varianzas correlacionadas
2.4.4.4. Esfericidad de Barlett
2.4.4.4.1. Valores > o promos a 0 presenta un grado de significación
2.4.5. Analizar solo una varianza común
2.4.5.1. Análisis de factores común
3. Tipos
3.1. Análisis Factorial Exploratorio (AFE)
3.1.1. Análisis de factores comunes
3.1.1.1. Varianza común
3.1.1.1.1. Compartida con las demás
3.1.2. Análisis de componentes variables
3.1.2.1. Varianza específica
3.1.2.1.1. Depende de la variable
3.1.2.1.2. No puede explicarse por medio de otras
3.1.2.2. Error de varianza
3.1.2.2.1. Error aleatorio
3.1.3. Aplicación
3.1.3.1. Objetivos
3.1.3.1.1. Reduccion de variables
3.1.3.1.2. Determinar factores
3.1.3.1.3. Identificación de variables
3.1.3.2. Diseño
3.1.3.2.1. Aclarar el objetivo
3.1.3.2.2. Identificar tipo de datos
3.1.3.2.3. Evalua numero y tipo de variables
3.1.3.3. Supuestos
3.1.3.3.1. Esfericidad de Barlett
3.1.3.3.2. Total de varianza compartida
3.1.3.4. Derivación de factores
3.1.3.5. Interpretacion de los factores
3.1.3.6. Juzgamiento de la
3.1.4. Técnica estadística de interdependencia
3.1.5. Establece una estructura interna
3.1.5.1. Contrubución de variables originales
3.1.6. Genera nuevos factores
3.2. Análisis Factorial Confirmatorio (AFC)
3.2.1. Elimina variables irrevelantes
3.2.2. Se tiene una hipótesis mas estructurada y específica
3.2.3. La información se resume en únicos factores
3.2.3.1. Logra una incorrelacion conveniente
3.2.4. Se evalua el ajuste de datos
3.2.5. Entre mayor conocimiento, mayor capacidad para formular y probar la hipótesis
3.2.6. Ajuste de modelo
3.2.6.1. Ajusta correlaciones entre variables
3.2.7. Metricas
3.2.7.1. Se usa para determinar la bondad de ajuste
3.2.7.1.1. Indices de modificación
3.2.7.1.2. Cavarianzas residuales estandarizdas
3.2.7.1.3. Validez y fiabilidad