Captulo 8

Anlisis Factorial
 Captulo 8
A n l i s i s Fa c t o r i a l

Captulo 8
Anlisis Factorial

1. Introduccin

El anlisis factorial es una de las tcnicas de anlisis multiva-

riable ms utilizada en la investigacin en ciencias sociales. Su
objetivo es el de reducir un conjunto de variables cuantitativas
aleatorias (interrelacionadas) en un grupo de factores latentes
(independientes), de tal manera que los factores siempre sern,
en nmero, inferiores a las variables iniciales. El xito de esta tc-
nica queda garantizado en la medida que su resolucin cumpla
dos requisitos: el principio de parsimonia; y la interpretabilidad de
los factores elegidos.

El elemento identificador de esta tcnica es, pues, su capaci-

dad en sintetizar informacin, lo que consigue: eliminando del
conjunto de variables iniciales aquellas que ofrecen informacin
redundante; y aquellas que no se adaptan al modelo de regresin
mltiple en el que se basa esta tcnica. En este caso, y a dife-
rencia de la ecuacin del modelo de regresin, los factores no
son variables simples sino dimensiones que engloban a un con-
junto determinado de variables pudiendo ser explicadas las varia-
bles linealmente en funcin de los factores seleccionados.

En el modelo factorial, si los factores son inferidos a partir de

las variables observadas, cada variable ser expresada como una
combinacin lineal de factores no observables directamente. Se
admite, pues, que (...) un conjunto de variables aleatorias, X1,
X2,... Xn, se explicarn por un conjunto de factores comunes,
F1,... F (siendo f<v) y n factores nicos, U1,...U de acuerdo
N N

con el siguiente modelo factorial lineal (Cuadras, C., 1991: 867-

869):

X1 = A11 F1 + ... + A1MFM+ D1U1

X2 = A21 F1 + ... + A2MFM+ D2U1

X =
N AN1F1 + ... + ANMFM+ DNUN

Estadstica Informtica: casos y ejemplos con el SPSS 127

 Captulo 8
A n l i s i s Fa c t o r i a l

en donde:
a11 ... a1 son los pesos factoriales de los Factores Comunes;
M

F1 ... F son Factores Comunes, tales que f < v;

M

d es el peso factorial del Factor nico;

N

U1 es el factor nico.

En este captulo recogemos la secuencia metodolgica a lle-

var a cabo cuando es la tcnica factorial la seleccionada, a saber:

1. Bondad de ajuste de los datos al modelo factorial.

2. Extraccin de los factores.
3. Rotacin de factores.
4. Interpretacin factorial.
5. Obtencin de las puntuaciones factoriales.

2. Bondad de ajuste de los datos al modelo

Segn el modelo expuesto, el anlisis factorial es una tcni-

ca que analiza las correlaciones lineales entre las variables. Si las
variables no estuvieran asociadas linealmente, las correlaciones
entre ellas seran nulas, no existiendo asociacin y, en conse-
cuencia, no tendra sentido seguir aplicando esta tcnica.

Para medir el grado de asociacin entre las variables cuanti-

tativas existe un nmero importante de coeficientes estadsticos.
De todos ellos es el coeficiente de correlacin mltiple el ms
conocido. Este coeficiente es el primer nmero que aparece en
la matriz de correlaciones y mide el grado de asociacin lineal
entre variables de tal manera que: cuando stos son bajos, las
variables podran ser eliminadas del modelo; y cuando son altos,
la matriz se considera adecuada para ser sometida a un anlisis
factorial.

No obstante, sucede que en no todas las ocasiones una

correlacin baja es sinnimo de inexistencia de factores compar-
tidos (o viceversa). Por ello, para garantizar que los datos se ajus-
tan, o no, a un modelo de anlisis factorial es interesante some-
terlos a otros test. Entre ellos destacamos: el determinante de la
propia matriz de correlaciones (si est por debajo de 0.05 las
variables estarn intercorrelacionadas); el test de esfericidad de
Bartlett (su significacin ser mejor cuando est por debajo
0.05); y el ndice KMO de Kaiser-Meyer-Olkin (si se aproxima a
1 su significacin es elevada).

128 Estadstica Informtica: casos y ejemplos con el SPSS

 Captulo 8
A n l i s i s Fa c t o r i a l

Adems de los test de lineabilidad expuestos, otras condicio-

nes a tener en cuenta y que nos garantizan la idoneidad del an-
lisis factorial, son: el anlisis no puede realizarse con variables
cualitativas; las variables deben tener unidad experimental; y, la
distribucin de las variables debe aproximarse a la normalidad
para que los coeficientes de correlacin midan adecuadamente la
relacin existente entre las variables. En este sentido, se aconse-
ja someter a los datos, como paso previo, a un anlisis explora-
torio con la finalidad de constatar dicha normalidad. En el caso
de que no se produjera habr que proceder a la transformacin
de los datos. Para ms informacin respecto a este ltimo punto
se puede consultar el captulo dedicado al anlisis exploratorio.

3. Extraccin de los factores

Bajo el trmino anlisis factorial no se esconde una nica

definicin en cuanto que engloba una gran variedad de tcnicas
que siguiendo distintos procedimientos tienen la finalidad de
extraer los factores subyacentes a un conjunto inicial de variables.
De todos ellos, el criterio de extraccin que nosotros vamos a
aplicar es el de Componentes Principales. Segn este mtodo el
primer factor principal ser aquella combinacin que explica la
mayor parte de la variabilidad, varianza, de las variables. ste se
le resta a las variables y sobre la variabilidad restante se elige el
segundo factor principal que ser aquel que, incorrelacionado
con el primero, explica el mximo de variabilidad y, as, sucesi-
vamente.

La extraccin de los factores se apoya en el indicador que

recoge los valores propios o eigenvalues de cada variable y
puede ser interpretado como la variabilidad total explicada por el
factor. La situacin ideal se produce cuando los autovalores
correspondientes a los primeros factores son elevados, pues ello
implicara que entre las variables hay fuertes correlaciones.

Uno de los principales problemas a resolver en el anlisis de

Componentes principales es el de la eleccin del nmero de fac-
tores. Esta es una decisin que debe adoptar el propio investiga-
dor pero para la cual se puede apoyar en algunos criterios o
reglas:

Los factores se disponen de mayor a menor ya en las

estadsticas iniciales, de tal manera que aquellos que

Estadstica Informtica: casos y ejemplos con el SPSS 129

 Captulo 8
A n l i s i s Fa c t o r i a l

explican la mayor cantidad de varianza total, ocuparn los

primeros lugares siendo stos, a su vez, los que explican
el mayor porcentaje de varianza total.

La regla de Kaiser suele ser el criterio que por defecto se

aplica en el SPSS. Esta regla solo selecciona aquellos
factores para los que sus eingenvalues superan la unidad.
Esta regla nos indica el nmero total de factores.

Por ltimo, el anlisis del grfico scree plot (o perfil de la

falda de una montaa) puede ser aplicado como un ter-
cer criterio. En este grfico, en donde los factores se si-
tan en el eje abcisa y los valores propios en el eje orde-
nada, aparecen diferenciados los factores con valores
bajos de los que tienen asociados valores altos, de tal
manera que los factores situados por debajo del punto de
inflexin de la grfica sern descartados (coinciden con
los eingevalues inferiores a la unidad).

Una vez obtenidos los factores, cada una de las variables

podr ser expresada como combinacin lineal de los mismos, lo
que queda reflejado en la matriz factorial. La matriz factorial no
es ms que una reproduccin sencilla de la matriz de correlacio-
nes inicial en donde cada columna es un factor, las filas son las
variables y los Fij son las cargas, ponderaciones o saturaciones
factoriales e indican el peso que cada variable asigna a cada fac-
tor. Cuando las saturaciones (en valores absolutos) son altas, la
correspondiente variable se asocia con el factor.

En las estadsticas finales se recogen exclusivamente los fac-

tores ms representativos o principales asignando a cada uno de
ellos su autovalor (absoluto y acumulado). Esta estadstica seala
la comunalidad de cada variable y/o proporcin de varianza
explicada por el conjunto de factores comunes resultantes. Las
comunalidades son unos valores que oscilan entre 0 y 1.
Cuando se aproxima a 1 indica que la variable queda totalmente
explicada por los factores comunes; mientras que si se aproxima
a 0, los factores no explicarn nada la variabilidad de las varia-
bles. Antes de realizar la rotacin, las comunalidades siempre son
1, porque todas las variables son explicadas por todas las varia-
bles que hemos seleccionado. Pero una vez que las variables se
agrupan en los diferentes factores, las comunalidades disminuyen
pues las variables slo son explicadas por las variables que per-

130 Estadstica Informtica: casos y ejemplos con el SPSS

 Captulo 8
A n l i s i s Fa c t o r i a l

tenecen al mismo grupo o factor. La varianza total no explicada

por los factores comunes se atribuye al factor nico (U).

Por ltimo, y como indicador de que el modelo al que

hemos llegado se ajusta a los datos, el anlisis factorial de com-
ponentes principales concluye calculando la matriz reproducida.
Si los residuales son bajos (inferiores a 0.05) podremos consi-
derar que el modelo de anlisis factorial se adecua a los datos;
mientras que si stos son elevados, las comunalidades son bajas
y deberemos replantearnos la aplicacin de esta tcnica.

4. Rotacin de factores

La matriz factorial relaciona factores con variables. A partir de

ella deberamos poder asociar factores con las variables que sin-
tetiza. No obstante, la interpretacin de los factores en base a la
matriz factorial es compleja pues en muchas ocasiones los facto-
res estn correlacionados con casi todas las variables. Para sol-
ventar estas dificultades interpretativas, y puesto que el fin ltimo
del anlisis factorial es el de resumir la informacin de partida en
factores fcilmente interpretables, la rotacin factorial se presenta
como una solucin que nos permite transformar la matriz inicial
en otra, matriz factorial rotada, de ms fcil lectura.

Del mismo modo que existe una gran variedad de criterios

para extraer los factores, tambin hay distintos procedimientos
para realizar las rotaciones factoriales. Todos buscan cumplir el
principio de estructura simple y, para todos, las comunalidades y
porcentajes de varianza total explicada no cambia, aunque s el
porcentaje de varianza atribuido a cada uno de los factores. De
todos ellos es la rotacin varimax la ms utilizada.

5. Interpretacin de los factores

A partir de la matriz factorial rotada debemos interpretar los

factores en funcin de las variables con las que se encuentran
asociados. Para tal objetivo podemos seguir las sugerencias
apuntadas por Bisquerra:

Estudiar la composicin de las saturaciones factoriales

significativas de cada factor (considerando tanto sus valo-
res positivos como negativos). Para estudiar estas satura-

Estadstica Informtica: casos y ejemplos con el SPSS 131

 Captulo 8
A n l i s i s Fa c t o r i a l

ciones factoriales, y a efectos prcticos recomienda: (1)

la representacin grfica de los ejes factoriales (las varia-
bles saturadas de un factor aparecern agrupadas); (2)
ordenar las variables en funcin del peso de los factores,
de tal manera que en la matriz factorial rotada aparezcan
agrupadas las variables con ponderaciones altas para el
mismo factor; y (3), eliminar las saturaciones bajas ocu-
pando sus espacios con espacios blancos.

En aquellos casos en el que los factores incluyen varia-

bles, en principio, poco significativas respecto al conjun-
to de las que sintetizaba, se puede incluir el anlisis de la
representatividad de la variable en cuestin en el conjun-
to de la estructura factorial, esto es, se considerar su
comunalidad.

Intentar dar un nombre a los factores. ste debe ade-

cuarse a la estructura de las saturaciones, esto es, cono-
ciendo su contenido. Indudablemente en esta ltima fase
juega un importante papel el marco terico en el que
debe apoyarse toda investigacin.

6. Puntuaciones factoriales

Una vez identificados y nombrados los factores o compo-

nentes latentes de un conjunto de variables, puede sernos de
gran utilidad conocer qu puntuaciones obtienen los sujetos o
unidades de anlisis; esto es: las variables son sustituidas por las
unidades de anlisis, lo que nos permitir analizar las similitudes
que se den entre individuos, casos o unidades respecto a sus
puntuaciones factoriales.

El clculo de la matriz de puntuaciones factoriales se realiza

a partir de la matriz original de datos y la matriz de coeficientes
de puntuaciones factoriales rotada y se basa, nuevamente, en el
modelo de regresin mltiple. A este respecto cabe insistir en
que las puntuaciones factoriales solo sern exactas si el mtodo
de extraccin de factores ha sido el de componentes principales.
De no ser as, las puntuaciones factoriales reflejarn estimacio-
nes.

El clculo de esta matriz adquiere verdadero protagonismo

cuando se someten sus resultados, con posterioridad, en otros

132 Estadstica Informtica: casos y ejemplos con el SPSS

 Captulo 8
A n l i s i s Fa c t o r i a l

anlisis. De hecho, se encuentra muy generalizo su participacin

en anlisis de conglomerados. Para ms informacin al respecto
puede consultarse la bibliografa comentada que aparece en el
captulo dedicado al anlisis de cluster o de conglomerados.

Expuestos los principales elementos relacionados con la tc-

nica factorial pasamos a enumerar los pasos a seguir cuando
queramos obtener los resultados y anlisis mencionados aplican-
do el paquete estadstico SPSS.

7. Cuadro de Dilogo del Anlisis Factorial

1er paso: Se accede al cuadro de dilogo principal del anli-

sis factorial a travs del men Analizar: Reduccin de datos:
Anlisis Factorial (figura 1).

El anlisis factorial se iniciar cuando tengamos selecciona-

das las variables sobre las que se va aplicar esta tcnica (recor-
demos cuantitativas y con una distribucin normal). En el ejem-
plo que recogemos en la seccin de resultados de este captulo
hemos escogido 10 variables de una misma pregunta del cues-
Figura 1 tionario de inmigrantes de CIRES. La pregunta P18 recoge el
sentimiento de los encuestados respecto al hecho de tener como
vecinos a diferentes grupos tnicos o grupos sociales marginales.
Nuestro propsito es reducir el conjunto de variables inicialmen-
te seleccionadas en un conjunto de Factores.

2 paso: Las variables que seleccionamos (figura 2), las

introducimos en la ventana de Variables.

3er paso: Una vez seleccionadas las variables con las que
vamos a operar, cliqueamos sobre el botn de comando de
Descriptivos (figura 3) situado en la parte inferior del cuadro de
Figura 2 dilogo principal. Este subcuadro de dilogo nos permite solici-
tar los indicadores de idoneidad para la aplicacin de la tcnica
factorial. Todos ellos se obtienen a partir de la Matriz de
Correlaciones:

El primer indicador de idoneidad es el de los coeficien-

tes de correlacin. A travs de l podemos ver las seme-
janzas o relaciones entre pares de variables.

Figura 3

Estadstica Informtica: casos y ejemplos con el SPSS 133

 Captulo 8
A n l i s i s Fa c t o r i a l

El Determinante de la Matriz (cuyo valor debe ser inferior

a 0.05); el test de esfericidad de Bartlett o niveles de sig-
nificacin (con un valor por debajo de 0.05); y el ndice
de Kaiser Meyer Olkin (KMO) (que tiene que alcanzar un
valor mnimo superior a 0.50), son otros tres indicadores
que debemos considerar.

Dentro de esta subventana seleccionamos la opcin

Reproducida con la intencin de obtener como resultado
la matriz reproducida. sta nos indicar el porcentaje de
residuos en el anlisis.

Una vez certificado que mis datos cumplen los requisitos

paramtricos y que, adems, se adaptan al modelo factorial,
podemos iniciar el anlisis propiamente. La secuencia de pasos
contina, pues, imponiendo el criterio de extraccin de factores
o tipo de anlisis factorial que vamos a realizar.

4 paso: Para ello, deberemos cliquear sobre el botn de

comando Extraccin situado en la parte inferior del cuadro de
anlisis factorial principal (figura 4).

Nosotros hemos seleccionamos el mtodo de

Componentes principales.

Figura 4
Con la finalidad de poder realizar un anlisis ms com-
pleto, dentro de este subcuadro marcamos tambin las
opciones de Mostrar la Solucin factorial sin rotar y el
Grfico de sedimentacin. Ambos nos permitirn obser-
var el proceso en la seleccin de los factores.

El resultado de este proceso es la obtencin de:

La tabla de la varianza total explicada en la que nos
encontramos con: el valor del Eigenvalue (este valor es
el que indicar el nmero final de factores que vamos a
obtener); y el porcentaje de varianza explicada por los
factores que al final vamos a seleccionar.

La tabla de las comunalidades en la que figura la pro-

porcin en la que explicamos una variable por el resto de
variables seleccionadas.

Y la matriz de componentes que nos indica, a partir de

un determinado valor, qu variables se adscriben a qu

134 Estadstica Informtica: casos y ejemplos con el SPSS

 Captulo 8
A n l i s i s Fa c t o r i a l

factores. Si posee un valor superior a 0,5 (en valor abso-

luto) en varios factores, pertenecer al factor con un valor
ms alto (figura 5). Si slo posee valor en un factor, per-
tenecer a ese factor.

A partir de estas tablas y de la matriz de componentes debe-

mos decidir si los resultados arrojados son los ms idneos para
Figura 5
cubrir los objetivos propuestos. En caso negativo podemos soli-
citar la rotacin de los factores.

En nuestro ejemplo, en la matriz de componentes ya sabien-

do que hemos obtenido dos factores segn la tabla de varianza
total, observamos que todas la variables pertenecen al factor1
menos la variable p18I que formara parte del factor 2. Esta
reduccin no es la ms adecuada porque slo en el factor 2 nos
encontramos con una variable. Podemos realizar una rotacin
para tratar de conseguir una agrupacin ms adecuada.

5 paso: Para obtener una solucin factorial rotada debemos

repetir el proceso descrito con la salvedad que en este caso aa-
diremos el tipo de rotacin a efectuar. Cliqueando en el botn de
comando Rotacin situado en la parte inferior del cuadro de di-
logo principal, accedemos al subcuadro de dilogo que nos per-
mite seleccionar el Mtodo de rotacin Varimax (figura 6).

El proceso se repetir a partir de este momento, pero con la

Figura 6
intencin de mejorar el primer ajuste que hemos obtenido antes
de realizar la rotacin. Si con la primera rotacin no obtenemos
una mejora suficiente, seguiremos probando con los dems tipos
de rotacin hasta obtener el resultado esperado.

8. Bibliografa Comentada

El anlisis factorial al ser una tcnica reduccionista ha encon-

trado mucha difusin en la investigacin social. En este apartado
recogemos dos trabajos que con distinta finalidad han aplicado
esta tcnica.

Aranda, J. y Fayra, U. (1993): Metodologa multi-atributos

para la elaboracin de ndices sintticos: una aplicacin a la
diferenciacin municipal en la regin de Murcia. Murcia,
Universidad de Murcia, Documento de Trabajo, 1-93, 70 pgs.

Estadstica Informtica: casos y ejemplos con el SPSS 135

 Captulo 8
A n l i s i s Fa c t o r i a l

Tomando como marco terico la Teora de Decisin con

Atributos Mltiples (MADM), los autores aplican el an-
lisis factorial para la construccin de un ndice sinttico.
Este ndice sinttico engloba un total de 99 variables
representadas a partir de 10 factores. Este ndice les per-
mite ordenar a los 37 municipios de la regin de
Murcia, obteniendo un ranking del potencial de desa-
rrollo municipal y/o potencial endgeno municipal.

Montiel, Ana Mara (1997): El Censo como fuente de indi-

cadores sociales. Una aplicacin al estudio de la educacin y el
empleo en andaluca, Revista de Estudios Regionales, n 2, pp.
81-111.

El artculo recoge una propuesta metodolgica para el

estudio de la educacin y su adecuacin al mercado
laboral. Subrayan la importancia de los Censos de
Poblacin como fuentes de gran valor en la obtencin
de indicadores educativos y laborales. Los censos siste-
matizan este tipo de informacin de forma peridica y
en distintos niveles de desagregacin, lo que facilita
estudios diacrnicos y sincrnicos. El anlisis descripti-
vo se completa con el anlisis de componentes princi-
pales simples, ofreciendo una distribucin espacial de
las distintas profesiones que dominan el mercado de tra-
bajo andaluz.

9. Resultados

Una vez introducidas las especificaciones arriba apuntadas

(stas pueden variarn segn los objetivos e intereses del investi-
gador) el programa, al ejecutar las rdenes, nos ofrece una serie
de tablas que a continuacin presentamos. Sin embargo, convie-
ne recordar que se aconseja anteponer a cualquier tipo de anli-
sis que con variables continuas se realice un anlisis exploratorio
sobre las mismas. Este paso aqu es omitido pero puede consul-
tarse en el captulo 5 de este manual.

En primer lugar, aparecen dos tablas de informacin bsi-

ca e imprescindible para el tipo de anlisis que aqu se
aplica: la tabla de estadsticos bsicos de las variables
seleccionadas y su correspondiente matriz de correlacio-
nes.

136 Estadstica Informtica: casos y ejemplos con el SPSS

 Captulo 8
A n l i s i s Fa c t o r i a l

A continuacin se presenta una tabla en la que a partir de

las dos pruebas que recoge nos permite valora la bondad
de ajuste de los datos al modelo factorial. Solo superan-
do con xito estas pruebas los parmetros y estadsticos
que derivan de aplicar la tcnica factorial cobran sentido.

La tabla de comunalidades iniciales (proporcin en la

que explicamos una variable por el resto de variables
seleccionadas) precede a la tabla de varianza total expli -
cada. sta ltima, junto con el grfico de sedimentacin
que aparece a continuacin, nos permite determinar el
nmero de factores que resumen la informacin inicial.

Una vez que ya sabemos el nmero de factores implci-

tos a la matriz de datos originales, la matriz factorial o de
componentes nos permite adscribir cada una de las varia-
bles a cada uno de los factores; o lo que es lo mismo,
nos indica las variables por las que cada factor es expli-
cado o compuesto.

La matriz reproducida, que aparece a continuacin, nos

advierte de la idoneidad del modelo factorial obtenido. Si
ste se encuentra por debajo de 0.05, como es nuestro
caso, podemos concluir en la adecuacin de los datos al
modelo factorial.

Por ltimo, y considerando que en muchas ocasiones la

interpretacin de los factores no queda exenta de dificul-
tad, se presenta, siempre que sea necesario, la solucin
factorial rotada. sta junto a su representacin grfica,
nos permiten una mejor y ms eficaz interpretacin de
los resultados obtenidos.

Estadstica Informtica: casos y ejemplos con el SPSS 137

 Captulo 8
A n l i s i s Fa c t o r i a l

9.1. Descriptivos de las variables seleccionadas

9.2. Matriz de Correlaciones

138 Estadstica Informtica: casos y ejemplos con el SPSS

 Captulo 8
A n l i s i s Fa c t o r i a l

9.3. Pruebas de ajuste al modelo factorial

9.4. Comunalidades iniciales

9.5. Extraccin de los factores (eigenvalues)

Estadstica Informtica: casos y ejemplos con el SPSS 139

 Captulo 8
A n l i s i s Fa c t o r i a l

Extraccin de los factores. Grfico de Sedimentacin

9.6. Agrupacin de las variables en factores: Matriz Factorial

140 Estadstica Informtica: casos y ejemplos con el SPSS

 Captulo 8
A n l i s i s Fa c t o r i a l

9.7. Matriz Reproducida

9.8. Extraccin de los factores en la Matriz Rotada: Matriz de

Componentes Rotados

Estadstica Informtica: casos y ejemplos con el SPSS 141

 Captulo 8
A n l i s i s Fa c t o r i a l

9.9. Representacin Grfica. Factores en el Espacio Rotado

142 Estadstica Informtica: casos y ejemplos con el SPSS