EFA · análisis factorial exploratorio.
Entienda qué aspectos está midiendo su encuesta.
Una encuesta puede preguntar si el problema se resolvió, si la respuesta fue útil y si la atención fue clara. EFA ayuda a explorar si esas respuestas se relacionan con uno o varios aspectos del servicio, en lugar de tratar cada pregunta como un tema aislado.
Varias preguntas pueden estar mirando un mismo aspecto.
Lo que pregunta la encuesta y lo que necesitamos comprender
Para qué puede servir
Revisar si la encuesta distingue los aspectos que pretende medir y qué preguntas necesitan una evaluación adicional.
Cuándo tiene sentido
Cuando tiene varias preguntas relacionadas y todavía necesita explorar cómo se organiza lo que miden.
La matriz debe conservar el significado de la medición.
Indicadores y participantes
Datos de variables pertinentes medidas sobre las mismas unidades, con población, instrumento y contexto documentados.
Tipo de medición
Correlaciones y estimación acordes con la naturaleza de los indicadores. Las respuestas ordinales requieren evaluar categorías, distribuciones y supuestos.
Base analizable
Códigos, faltantes, variabilidad y relaciones revisados. El tratamiento de los faltantes puede cambiar la matriz que se analiza.
Adecuación y estabilidad
La suficiencia de casos depende de la estructura, las comunalidades y los indicadores disponibles; no se fija con una proporción universal de casos por pregunta.
Qué aportan KMO y Bartlett
KMO examina la adecuación de las relaciones para una representación factorial a partir de correlaciones y correlaciones parciales. Bartlett contrasta una matriz de correlaciones identidad. Son diagnósticos complementarios: por sí solos no validan el contenido ni determinan una solución correcta.
Qué revisar con escalas ordinales
La elección entre correlaciones de Pearson y alternativas como correlaciones policóricas se evalúa según la medición, las distribuciones y sus supuestos. Utilizar categorías numéricas no convierte automáticamente una escala ordinal en intervalar.
El tipo de respuesta orienta la preparación
Cada decisión cambia la solución que se interpreta.
EFA – Exploratory Factor Analysis examina si la covariación entre mediciones observadas puede representarse mediante un conjunto de factores comunes. Ayuda a explorar la estructura de un instrumento y a distinguir dimensiones que un listado de preguntas o un promedio general podrían ocultar.
Preparar y examinar la matriz
Revisar variables, calidad, faltantes y patrón de relaciones. Confirmar que explorar factores comunes responde al objetivo del instrumento.
Seleccionar la extracción
Elegir un procedimiento, como ejes principales, mínimos residuos o máxima verosimilitud, según los datos, supuestos y objetivo. Registrar la opción y sus condiciones.
Examinar cuántos factores conservar
Combinar evidencia como análisis paralelo, gráfico de sedimentación, interpretación y comportamiento de soluciones alternativas. Evitar una decisión automática basada solo en autovalores mayores que uno.
Rotar para interpretar
Una rotación ortogonal mantiene factores no correlacionados; una oblicua permite que se relacionen. La elección debe ser coherente con el concepto y la evidencia.
Revisar y nombrar la estructura
Examinar cargas, comunalidades, cargas cruzadas y residuos. Proponer nombres coherentes con los ítems, comprobando qué cubre y qué omite cada dimensión.
EFA explora si las correlaciones entre indicadores pueden describirse mediante un conjunto menor de factores comunes, además de variación específica y error. Se utiliza para investigar estructura de medición, no solo comprimir columnas. Una solución estadística necesita interpretación conceptual y no equivale a validar definitivamente una escala.
Procedimiento y decisiones de aplicación
Matriz y extracción
Elegir correlaciones y método de extracción acordes con el tipo de ítem y los supuestos. En escalas ordinales, considerar métodos y correlaciones adecuados en lugar de asumir continuidad automáticamente.
Retención y rotación
Combinar evidencia como análisis paralelo, sedimentación e interpretabilidad. Usar rotación oblicua si los factores pueden correlacionarse; no imponer independencia solo por facilidad gráfica.
Evaluación
Examinar cargas, comunalidades, cargas cruzadas y casos problemáticos. No eliminar ítems únicamente para mejorar un índice: revisar contenido y comprobar la estructura en otros datos.
La lectura conecta factores, indicadores y variación específica.
Cargas factoriales
Representan la relación de los indicadores con los factores bajo el modelo. Su lectura requiere distinguir matriz de patrón y matriz de estructura cuando la rotación es oblicua.
Comunalidades y unicidades
La comunalidad refleja la variación del indicador representada por los factores comunes; la unicidad corresponde a la parte no recogida por ellos.
Relaciones y diagnóstico
Las correlaciones entre factores, los residuos y las soluciones problemáticas ayudan a evaluar si la representación tiene sentido y dónde requiere revisión.
Puntuaciones, cuando procedan
Son estimaciones dependientes del modelo y del método de cálculo. No son mediciones directas del factor ni deben convertirse automáticamente en escalas o clasificaciones.
Lo observado y lo que propone el modelo
Los factores podrían estar correlacionados y los indicadores mostrar cargas cruzadas. La estructura y las relaciones deben estimarse y revisarse.
Si el análisis encuentra una estructura interpretable, esta puede orientar la revisión del instrumento y una validación posterior. La estructura factorial no identifica por sí sola qué intervención mejorará el servicio ni cuánto aumentará un indicador.
Preguntas sobre claridad y utilidad de la respuesta pueden relacionarse con una dimensión de resolución, mientras preguntas sobre trato se vinculan con otra. Es una hipótesis ilustrativa. Se requieren datos y una solución interpretable para sostenerla; que ambas dimensiones correlacionen no obliga a fundirlas ni a usar una rotación ortogonal.
Decisiones que estructuran su aplicación
Cada paso tiene una comprobación distinta; el procedimiento desarrollado arriba precisa qué se decide y qué evidencia se conserva.
Controles que determinan la interpretación
| Criterio | Qué se comprueba |
|---|---|
| Factorabilidad | Revisar matriz y diagnósticos como KMO y Bartlett sin tratarlos como aprobación automática. |
| Consistencia | La confiabilidad no reemplaza evidencia de validez. |
| Confirmación | Diferenciar exploración y confirmación en una muestra posterior. |
Matriz y método, cargas y comunalidades, correlaciones entre factores, regla de retención, decisiones sobre ítems y alcance de la evidencia de medición.
¿El alfa de Cronbach confirma que hay un solo factor?
No. Consistencia interna y estructura dimensional son evidencias diferentes. Un coeficiente elevado puede coexistir con multidimensionalidad o redundancia de ítems. La estructura se examina con teoría y análisis apropiado; después se evalúa confiabilidad según la interpretación y uso del score.
Aplicación en el portafolio
Experiencia del colaborador
Consultar esta soluciónExperiencia del cliente
Consultar esta soluciónExplorar factores no equivale a resumir componentes ni confirmar una estructura.
| Enfoque | Objeto principal | Lectura pertinente |
|---|---|---|
| EFA – Exploratory Factor Analysis | Explorar factores comunes de la covariación | Estructura candidata que necesita interpretación y evaluación. |
| PCA – Principal Component Analysis | Construir componentes como combinaciones de variables para resumir variación total | Representación sintética; no equivale al modelo de factores comunes. |
| CFA – Confirmatory Factor Analysis | Contrastar una estructura factorial especificada previamente | Adecuación del modelo bajo condiciones y supuestos; no demuestra por sí sola una explicación causal. |
Qué no acredita una solución factorial
Una estructura interpretable no prueba causalidad ni sustituye la evaluación de validez y confiabilidad del instrumento. La proporción de variación representada se interpreta según el modelo; no convierte un factor en causa del comportamiento.
Cuándo revisar la solución
Cargas cruzadas, indicadores con poca varianza común, factores difíciles de interpretar y soluciones inadmisibles requieren revisar datos, especificación y alternativas. Los criterios de revisión se documentan, sin imponer umbrales únicos para todos los proyectos.
Reducción de dimensiones y segmentación
Compare la síntesis de variables con otras tareas de representación y agrupación.
Volver a la categoríaComponentes principales
Profundice en el enfoque que resume variación mediante componentes.
Examinar PCAMedición y escalas
Conecte la estructura estadística con el concepto, las preguntas y el instrumento.
Revisar la mediciónReferencias técnicas para profundizar
Revisemos si EFA es pertinente para su instrumento.
Comparta el propósito de la medición, los indicadores y la base disponible. Delimitaremos la exploración y las comprobaciones pertinentes.