Cuadro comparativo Análisis Factorial y Modelo Ecuaciones estructurales.

Características Ventajas Desventajas

Análisis Factorial • Fácil de utilizar • Las variables

exploratorio El método de análisis de factores exploratorios • Útil para varios tienen que ser
es una técnica que se puede utilizar para cuestionarios de de intervalo
descubrir la estructura subyacente (oculta) de investigación. escalonado.
un grupo de grandes variables. Por tanto, este • Base de otros • El numero
método reduce un grupo grande de variables en instrumentos descendente
un par de factores subyacentes. (ejemplo: análisis debe ser más
Sus usos: de la regresión grande que tres
• Encuestas sobre satisfacción de cliente. con puntajes del veces la
• Mediciones de calidad del servicio. factor), fácil de cantidad de
• Encuestas sobre imagen. combinar con variables.
• Identificación de segmentos de otros • La
mercado. instrumentos interpretación
• Tipificación de clientes, productos o (ejemplo: análisis del significado
comportamientos. confirmatorios). de los factores
es subjetiva
Proceso típico del Análisis factorial exploratorio. puede decirle
qué variables
1. Identifique los indicadores / los ítems que en su conjunto
entran en el análisis factorial exploratorio. de datos «van
2. Calcule una matriz de correlación juntas» de
(coeficiente de correlación de Bravais- maneras que no
Pearson). siempre son
3. Examine la matriz de correlación que se obvias.
utilizara para el análisis factorial
exploratorio (niveles de significancia,
matriz de correlación inversa, prueba de
Bartlett, matriz anti-imagen y
covarianzas, Criterio KMO (Kaiser-
Meyer-Olkin))
4. Elija un método de extracción del factor
(análisis de los componentes principales,
análisis factorial principal).
 5. Descubra los factores y los pesos de los
factores. Los pesos del factor son los
coeficientes de correlación entre las
variables (filas en la tabla) y los factores
(columnas en la tabla).
6. Fije el número de factores que se
extraerán (para este paso es útil tomar el
Criterio Kaiser y prueba Scree con el
criterio elbow).
7. Interprete los factores extraídos
(ejemplo: “potencial” y el “proceso”, en el
ejemplo dado arriba).

Análisis factorial En este tipo de técnica el investigador no • Permite • Es difícil

confirmatorio precisa establecer a priori cuál es la estructura contrastar un determinar si
de los datos; son los propios datos, en función modelo los factores que
de unos criterios empíricos, quienes muestran construido con emergen
su estructura. Este tipo de técnica es muy útil antelación, en el reflejan los
cuando el investigador desconoce de antemano que el datos o
qué tipo de estructura puede esperar de las investigador simplemente
respuestas de los sujetos que componen la establece a son parte del
muestra. Una situación, sin embargo, que no es priori el conjunto poder del
nada deseable ya que el investigador ha debido total de las análisis factorial
operar adecuadamente un constructo en función relaciones entre para encontrar
de una teoría sólida y, por tanto, es muy los elementos patrones.
probable que pueda anticipar la estructura del que lo configuran.
constructo. La mayoría de los investigadores, • La posibilidad que • Es difícil decidir
por tanto, utilizan esta técnica para confirmar tiene el cuántos
empíricamente la estructura conceptual que han investigador para factores incluir
establecido de antemano y para conocer el establecer es decidir
papel que juega cada elemento en el conjunto relaciones entre cuántos
global de esa estructura (varianza total los factores factores
explicada por los factores, varianza explicada de (Bollen, 1989). En conservar. Hay
cada factor y saturación de los ítems en los el acercamiento una variedad de
factores, fundamentalmente). tradicional, o métodos para
ningún factor determinar esto,
correlaciona - y hay poco
 El investigador especifica el número de factores rotación acuerdo sobre
y el patrón de relación entre el indicador y las ortogonal- o todos cuál es el mejor.
cargas factoriales de antemano, así como otros lo hacen -rotación
parámetros. El factor de solución pre- oblicua-, mientras • La
especificado se evalúa en términos de lo bien que en el interpretación
que este reproduce la matriz de varianzas y acercamiento del significado
covarianzas de la muestra en las variables confirmatorio de los factores
medidas. puede es subjetiva
establecerse a puede decirle
priori un conjunto qué variables
de condiciones en su conjunto
más flexibles en de datos «van
torno a la relación juntas» de
entre los factores; maneras que no
por ejemplo, que siempre son
dos correlacionen obvias.
entre sí y otros
dos no estén
correlacionados.
• siempre precisa
de la existencia
de una teoría
articulada que
sirva de base
para la
elaboración de un
modelo cuya
contrastación
empírica se está
analizando.

Modelos de
ecuaciones Los modelos de Ecuaciones Estructurales • El analizar las • Requiere de
estructurales (también conocidos como modelos de relaciones por muestras
estructura de covarianza) son una serie de cada subconjunto grandes (n >
técnicas estadísticas que se pueden considerar de variables, 200), lo que
como una extensión de otras técnicas permitiendo podría ser difícil
multivariantes como son los modelos de también una de obtener.
regresión múltiple o los modelos de análisis interrelación entre Algunos autores
factorial. Sin embargo, posee algunas variables de indican que por
características particulares que lo diferencian de diferentes cada parámetro
las otras técnicas multivariantes. Una de las grupos6, libre o por cada
diferencias es la capacidad de estimar y evaluar dependiendo del variable
la relación entre variables no observables, propósito de la observada,
denominadas generalmente variables latentes. investigación. debe haber al
Una variable latente es un factor supuesto • Trabajan con menos 10
(inteligencia, por ejemplo) que solo puede ser variables casos.
medido mediante variables observables observables o • Plantear un
(baterías de test de inteligencia). En medibles modelo supone
comparación con otras técnicas de análisis (aquellas que un reto
donde los factores pueden ser representados tienen un valor de importante, ya
con una única medición (puntaciones brutas de entrada) y una o que lo ideal es
un test, por ejemplo) y el error de medición no varias variables que el
es modelado, los SEM permiten emplear latentes o no investigador
múltiples medidas que representan al factor y observadas (que cuente con un
controlar el error de medición específico de cada no tiene valor amplio
variable. Esta diferencia es importante ya que el como tal y que conocimiento
investigador puede evaluar la validez de cada puede utilizarse teórico sobre el
factor determinado. Otra característica como un fenómeno que
particular de los SEM es que, para interpretar concepto), quiere estudiar,
sus resultados, se deben evaluar fortaleciendo las de lo contrario,
cuidadosamente varias pruebas estadísticas y correlaciones se puede tener
un conjunto de índices que determinan si la utilizadas y un modelo con
estructura teórica propuesta proporciona un realizando buen ajuste,
buen ajuste de los datos empíricos. Este ajuste estimaciones más pero sin
se verifica si los valores de los parámetros precisas de los sustento
estimados reproducen tan estrechamente como coeficientes teórico.
sea posible la matriz observada de covarianza. estructurales • Esta
• Herramienta metodología no
Para llevar a cabo un análisis de un Sistema de estadística está excluida de
ecuaciones estructurales se suelen dar el multivariada que fallar si se
siguiente orden: permite estudiar utilizan
la relación que variables
1. Especificación. hay entre latentes con
2. Identificación. variables latentes baja
3. Estimación de parámetros. y observadas. confiabilidad.
 4. Evaluación del ajuste. • Probar Finalmente,
5. Re especificación del modelo. simultáneamente emplear esta
6. Interpretación de los resultados. la relación metodología
directa, la puede implicar
Existen tres estrategias que un investigador relación indirecta un reto
puede tomar en la utilización de sistemas de y total entre las considerable si
ecuaciones estructurales: variables, la no se tiene
1. Uso como técnica estrictamente inclusión de más cierto bagaje
confirmatoria, donde se diseña el modelo de una variable estadístico.
y se estudia la bondad del ajuste para dependiente y
determinar si las varianzas y covarianzas sus respectivos
de los datos son consistentes con el errores de
modelo diseñado, todo ello teniendo en medición, la
cuenta que pueden existir otros modelos correlación entre
diferentes al propuesto que también se variables y
ajustan a los datos disponibles, es decir, también entre los
que aunque el modelo propuesto errores de
presente un ajuste aceptable, el medición
investigador no ha probado el modelo
propuesto, sino que solo ha confirmado
que es uno de los varios modelos
posibles.

2. Estrategia de modelos rivales, que

permite evaluar el modelo estimado con
modelos alternativos, donde se estudian
los índices de ajuste de cada modelo
diseñado y se elige el que presente
mejores resultados.

• Actualmente se dispone de múltiples

índices de ajuste y es un campo que está
en constante desarrollo.
• Aunque es deseable en principio, en la
realidad no suele ser fácil disponer de
varios modelos alternativos.
3. Estrategia de desarrollo del modelo (uso
confirmatorio y exploratorio), la cual
difiere de las dos anteriores estrategias
en que, aunque se propone un modelo y
se comprueba el ajuste a los datos, se
buscan aquellos índices donde presenta
deficiencias, y se llevan a cabo las
modificaciones oportunas para mejorarlo.
Cuando se sigue esta estrategia, se
intenta re especificar un modelo básico
para encontrar uno nuevo.