¿Qué es el análisis factorial?
El análisis factorial es la práctica de condensar muchas variables en sólo unas pocas, para que sus datos de investigación sean más fáciles de trabajar.
La teoría es que hay factores más profundos que impulsan los conceptos subyacentes en sus datos, y que usted puede descubrir y trabajar con estos en lugar de tratar con las variables de nivel inferior que se derivan de ellos. El análisis factorial también se denomina a veces «reducción de dimensiones». Puede reducir las «dimensiones» de sus datos a una o más «supervariables», también conocidas como variables no observadas o variables latentes.
Estos conceptos más profundos no son inmediatamente obvios. Podrían representar rasgos o tendencias que son difíciles de medir, como la extraversión o el coeficiente intelectual.
Como en cualquier tipo de proceso que simplifica la complejidad, existe un compromiso entre la precisión de los datos y la facilidad para trabajar con ellos. Con el análisis factorial, la mejor solución es la que produce una simplificación que representa la verdadera naturaleza de sus datos, con la mínima pérdida de precisión.
El análisis factorial no es una técnica única, sino una familia de métodos estadísticos que pueden utilizarse para identificar los factores latentes que impulsan las variables observables. El análisis factorial se utiliza comúnmente en la investigación de mercados, así como en otras disciplinas como la tecnología, la medicina, la sociología, la biología de campo, la educación, la psicología y muchas más.
Libro electrónico: 8 innovaciones para modernizar la investigación de mercados
Conceptos clave en el análisis factorial
Una de las ideas más importantes en el análisis factorial es la varianza: cuánto difieren sus valores numéricos de la media. Cuando usted realiza el análisis factorial, está buscando entender cómo los diferentes factores subyacentes influyen en la varianza entre sus variables. Cada factor tendrá una influencia, pero algunos explicarán más varianza que otros, lo que significa que el factor representa con mayor precisión las variables que lo componen.
La cantidad de varianza que explica un factor se expresa en un valor propio. Si una solución factorial tiene un valor propio de 1 o superior, explica más varianza que una única variable observada, lo que significa que puede ser útil para reducir el número de variables. Las soluciones factoriales con valores propios inferiores a 1 explican menos variabilidad que una sola variable y no se conservan en el análisis. En este sentido, una solución contendría menos factores que el número original de variables.
Otra métrica importante es la puntuación del factor. Se trata de una medida numérica que describe la intensidad con la que una variable de los datos de la investigación original está relacionada con un factor determinado. Otro término para esta asociación o ponderación hacia un determinado factor es carga factorial.
Tipos de análisis factorial
Hay dos formas básicas de análisis factorial, exploratorio y confirmatorio. A continuación se explica cómo se utilizan para añadir valor a su proceso de investigación.
Análisis factorial confirmatorio
En este tipo de análisis, el investigador comienza con una hipótesis sobre sus datos que busca probar o refutar. El análisis factorial confirmará -o no- dónde están las variables latentes y cuánta varianza explican.
El análisis de componentes principales es una forma popular de análisis factorial confirmatorio. Mediante este método, el investigador realizará el análisis para obtener múltiples soluciones posibles que dividan sus datos entre una serie de factores. Los ítems que se cargan en un solo factor están más fuertemente relacionados entre sí y pueden ser agrupados por el investigador utilizando su conocimiento conceptual.
El uso del ACP generará una gama de soluciones con diferentes números de factores, desde soluciones simplificadas de 1 factor hasta niveles más altos de complejidad. Sin embargo, cuanto menor sea el número de factores empleados, menor será la varianza contabilizada en la solución.
Análisis factorial exploratorio
Como su nombre indica, el análisis factorial exploratorio se realiza sin una hipótesis en mente. Es un proceso de investigación que ayuda a los investigadores a entender si existen asociaciones entre las variables iniciales, y si es así, dónde se encuentran y cómo se agrupan.
Cómo realizar el análisis factorial
La mayoría de los principales paquetes de software estadístico, como SPSS y Stata, incluyen una función de análisis factorial que puede utilizar para analizar sus datos. Para empezar, necesitará las variables que le interesan y, si es el caso, los detalles de su hipótesis inicial sobre sus relaciones y variables subyacentes.
Cómo puede ayudarle el análisis factorial
Además de proporcionarle un menor número de variables para navegar, el análisis factorial puede ayudarle a entender la agrupación y el clustering en sus variables de entrada, ya que estarán agrupadas según las variables latentes.
Supongamos que hace varias preguntas diseñadas para explorar aspectos diferentes, pero estrechamente relacionados, de la satisfacción del cliente:
- ¿Cuán satisfecho está con nuestro producto?
- ¿Recomendaría nuestro producto a un amigo o familiar?
- ¿Cuán probable es que compre nuestro producto en el futuro?
Pero sólo quiere una variable que represente una puntuación de satisfacción del cliente. Una opción sería promediar las tres respuestas a las preguntas. Otra opción sería crear una variable dependiente de un factor. Esto se puede hacer ejecutando PCA y manteniendo el primer componente principal (también conocido como factor). La ventaja de PCA sobre un promedio es que pondera automáticamente cada una de las variables en el cálculo.
Supongamos que tiene una lista de preguntas y no sabe exactamente qué respuestas se moverán juntas y cuáles se moverán de forma diferente; por ejemplo, las barreras de compra de los clientes potenciales. Las siguientes son posibles barreras de compra:
- El precio es prohibitivo
- Costes globales de implantación
- No podemos llegar a un consenso en nuestra organización
- El producto no es coherente con nuestra estrategia de negocio
- Necesito desarrollar un ROI, pero no puedo o no lo he hecho
- Estamos bloqueados en un contrato con otro producto
- Los beneficios del producto no superan el coste
- No tenemos ninguna razón para cambiar
- Nuestro departamento de TI no puede soportar su producto
- No tenemos ninguna razón para cambiar.
- No tenemos suficientes recursos técnicos
- Su producto no tiene una característica que necesitamos
- Otro (por favor, especifique)
El análisis de factores puede descubrir las tendencias de cómo estas preguntas se moverán juntas. A continuación se muestran las cargas de 3 factores para cada una de las variables.
Note cómo cada uno de los componentes principales tiene altos pesos para un subconjunto de las variables. El primer componente pondera fuertemente las variables relacionadas con el coste, el segundo pondera las variables relacionadas con la TI, y el tercero pondera las variables relacionadas con los factores organizativos. Podemos dar a nuestras nuevas supervariables nombres inteligentes.
Si agrupáramos a los clientes basándonos en estos tres componentes, podemos ver algunas tendencias. Los clientes tienden a ser altos en Barreras de coste o Barreras de org, pero no en ambas.
Ejemplos de estudios de análisis factorial
El análisis factorial, incluyendo el ACP, se utiliza a menudo junto con los estudios de segmentación. Puede ser un paso intermedio para reducir las variables antes de usar KMeans para hacer los segmentos.
El análisis factorial proporciona simplicidad después de reducir las variables. Para estudios largos con grandes bloques de preguntas de escala Likert de Matrix, el número de variables puede llegar a ser inmanejable. La simplificación de los datos mediante el análisis factorial ayuda a los analistas a centrarse y aclarar los resultados, al tiempo que reduce el número de dimensiones en las que se agrupan.
Preguntas de muestra
Elegir exactamente las preguntas en las que realizar el análisis factorial es un arte y una ciencia. Elegir qué variables reducir requiere algo de experimentación, paciencia y creatividad. El análisis factorial funciona bien en las preguntas de escala Likert y en los tipos de preguntas Suma a 100.
El análisis factorial funciona bien en bloques de matrices de los siguientes géneros de preguntas:
Picografía (de acuerdo/desacuerdo):
- Valoro a la familia
- Creo que la marca representa valor
- Compro la opción más barata
- Soy un comprador de gangas
- La economía no mejora
- Estoy satisfecho con el producto
- Me gusta el deporte
- A veces compro por Internet en horario de trabajo
Comportamental (De acuerdo/desacuerdo):
Attitudinal (De acuerdo/desacuerdo):
Actitudinal (De acuerdo/desacuerdo):
Las preguntas conductuales y psicográficas son especialmente adecuadas para el análisis factorial.