You are on page 1of 37

Curso Tcnico de Medicin Multidimensional de la Pobreza y sus Aplicaciones

CEPAL, Naciones Unidas. 06 y el 15 de diciembre de 2010

Usos del anlisis factorial para la


construccin y validacin de escalas
Jos Manuel Roche (OPHI)
jose.roche@qeh.ox.ac.uk
Tabita, Kenya

Rabiya, India

Stphanie, Madagascar

Agathe, Madagascar

Dalma, Kenya

Ann-Sophia, Kenya

Valrie, Madagascar

OBJETIVOS

Revisar los diferentes usos del anlisis factorial para la


construccin y validacin de escalas.
Discutir las ventajas y desventajas del anlisis factorial para el .
diseo ad-hoc de indicadores sintticos en cuanto a definicin de
pesos, seleccin de dimensiones e indicadores, o para dar cuenta
del error de medicin.
Revisar en detalle como se utilizan estas tcnicas para la
validacin de escalas subjetivas.

ESQUEMA
Anlisis Factorial y en que contexto se utiliza
Diferencia entre el Anlisis Factorial Exploratorio y el
Anlisis Factorial Confirmatorio
Pasos, procedimientos y recomendaciones para el Anlisis
Factorial Exploratorio
Ventajas y desventajas del AFE y la construccin de ndices
sintticos
Validacin de escalas subjetivas

Qu es el anlisis factorial y cundo se utiliza?


Los mtodos de anlisis factorial son apropiados cuando contamos
con una gran cantidad de variables, ya que tienen un alto poder de
reduccin de informacin y facilitan el diseo y agregacin de
variables.
Se basan en el anlisis de la interrelacin de un larga lista de
indicadores o variables con miras a comprender la estructura
subyacente, haciendo posible reducirlo a un nmero manejable de
variables agregadas.
Frecuentemente es utilizado para calcular ndices de estatus
socioeconmicos o en ocasiones como solucin ad-hoc para la
agregacin de variables.

Ejemplo...
ndice de bienes (Wealth index)
(Rustein and Johnston 2004)
Una medida compuesta de el nivel de vida acumulado de un hogar
que es utilizado en las DHS y MICS

Como se mide?


Basado en un grupo de bienes y servicios capturados por las encuestas (e.g. tipo de piso,
refrigerador, vehiculo, facilidades sanitarias, hacinamiento, electricidad, etc.)

Los bienes y servicios de cada hogar para cuya informacion ha sido recolectada se
asignan un peso o puntaje factorial generado a travez de el metodo de analisis de
componentes pincipales.

El primer componente del analisis de componentes principales es interpretado como una


escala continua relativa a la riqueza. El puntaje estandarizado es usado para crear grupos
por quintiles.

El ndice de riqueza (Wealth Index) es utilizado como una variable proxy para estudiar el
estatus de salido los derechos de los nios.

No solo una solucin ad-hoc


para la agregacin de informacin!
Otros posibles usos:
aporta informacin para comprender la estructura subyacente a los datos
(e.g. explorar los patrones o dimensiones)

evitar redundancia
(e.g. reducir un largo numero de variables correlacionadas, agruparlas o seleccionar una que represente
varias)

para la validacin y evaluacin de escalas de precepcin subjetiva


(e.g. convergencia, discriminancia, consistencia interna)

para medir variables no observadas o constructos tericos


(e.g. da cuenta de el error de medicin, bondad de ajuste)

para ser incluido en modelos complejos


(e.g. analisis de regresin o ecuaciones mltiples estructurales)

Ejemplos...
Social Interaction
(Factor 2)

Economic conditions
(Factor 3)

Factor Analysis vs.


Fuzzy Sets Theory
(Lelli 2008)

Health
(Factor 6)

Belgian Section of the


European Community
Household Panel
Psychological distress
(Factor 1)

Shelter
(Factor 7)

54 indicators classified into 7


categories
The FA confirms the
underlying structure

Cultural life
(Factor 4)

The first 7 factors are


retained for further analyses
Working conditions
(Factor 5)

EVALUACIN PSICOMTRICA DE ESCALAS SUBJETIVAS


Tipo de evidencia

Preguntas Fundamentales

Tipo de Anlisis

Pruebas de Confiabilidad
Consistencia Interna

Los indicadores de la escala miden niveles similares?

Coeficiente de Alfa Cronbach

Mediciones sucesivas

La escala produce similares medidas bajo condiciones equivalentes?

Mltiple Administracin

Apariencia

Contenido

Pruebas de Validez
La escala parece medir lo que se supone que quiere medir?
El contenido de los tems refleja la definicin del constructo terico?
Los entrevistados entienden las preguntas/trminos en la misma forma?

Evaluacin por parte de expertos en


desarrollo de escalas
Evaluacin por un grupo de expertos /
Entrevista cognitiva / Focus Group

La escala mide el nmero de constructos tericos?

Factorial

Se pueden defender los constructos descubiertos? (desarrollo inicial) 

Anlisis Factorial Exploratorio (AFE)

Se confirman los constructos tericos? 


(Prueba de hiptesis)

Anlisis Factorial Confirmatorio (AFE)

La estructura es comparable entre los grupos relevantes? 

with covariate DIF


(Item invariance)

Constructo
(Convergencia y Discriminancia)

Las variables que deberan correlacionar con la escala lo hacen?


Las variables que no deberan correlacionar con la escala no lo hacen?

Correlacin, ANOVA, t-test

Criterio Concurrente
(grupos-conocidos o instrumentsconocidos)

Los puntajes de las escalas representan los entrevistados adecuadamente con


caractersticas conocidas?
Las categorizaciones basadas en nuevas escalas se relacionan bien con
aquellas basadas en medidas estandarizadas previas?

Correlacin, ANOVA, t-test

Predictivo

Los puntajes de las escalas predicen adecuadamente el comportamiento


futuro o las actitudes de los respondientes?

Correlacin, ANOVA, t-test

Fuente: Adaptado de Abell et al. (2009) Developing and validating rapid assessment instruments, OUP.

Anlisis Factorial Exploratorio


(Abell et al. 2009, Brown 2006)

Una tipia funcin de un modelo factorial con un factor:

ij = i j + ij

donde xij, es el puntaje estandarizado del ith item para la persona jth ;
j es la variable latente de la persona jth cuya escala es normalmente fijada con media = 0
Y varianza =1; i, es la contribucin factorial de la persona i; i j residuo parte no explicada
por el modelo (error de medicin)

Una tpica funcin para un modelo factorial con tres modelos:

ij = 1i1 j + 2i 2 j + 3i 3 j + ij
La funcin generalizada seria:

ij = 1i1 j + 2i 2 j + ...di dj + ij
donde xij, es el puntaje estandarizado del ith item para la persona fjth ; dj es la variable latente para la persona
jth en factor d cuya escala es normalmente fijada con media =0 y varianza=1; id, es la contribucin factorial del
item i en el factor d; i j residual parte no explicada por el modelo (error de medicin)

Ejemplos...
Medicin de exclusin (Klasen 2000)
Comparar una medida de pobreza basada en el consumo con una medida
compuesta creada de depravaciones usando la encuesta de hogares de Sur
frica

Variables y pesos de acuerdo al PCA


Quintil Gasto

0.36

Ventaja

Combustible para cocinar

0.35

Facilidad sanitaria

0.34

Bienes durables

0.34

Cubre empricamente las comunalidades


entre componentes individuales y basa los
pesos en las relaciones empricas entre las
privaciones medidas en las capacidades
individuales p 39

Agua

0.33

Educacin

0.28

Desventaja

Seguridad

0.01

Malnutricin

0.15

Satisfaccin

0.16

La desventaja de este enfoque es que


implicitamente asume que solo los
componentes con fuerte correlacin entre
si son relevantes

Transporte

0.20

Anlisis Factorial Confirmatorio


(Abell et al. 2009, Brown 2006)

1 2 3

4 5 6

7 8 9

Items 1-3:

x1 x2 x3

x4 x5 x6

x7 x8 x9

x ij = 1i1 j + ij

2 3

4
1

5 6
2

8 9
3

Parameter

Items 4-6:

x ij = 01 j + 2i 2 j + 0 3 j + ij
x ij = 2i 2 j + ij

3
Name

x ij = 1i1 j + 0 2 j + 0 3 j + ij

Type

Description

Lambda-Y

Regression

Factor Loading

Items 7-9:

Delta

VarianceCovariance

Error variance and


covariance

x ij = 01 j + 0 2 j + 3i 3 j + ij

Psi

Variance
Covariance

Factor variance
and covariance

x ij = 3i 3 j + ij

Xi (Ksi)

Factor

Endogenous
variable

represents the item or exogenous (observed) variable

Path digrama para un AFE?


(dos factores con rotacion oblicua)

Mas comunes indices de bondad de ajuste


(Abell et al. 2009, Bryne 2010, Brown 2006)
Chi-Square

El mas comun indice de bondad de ajuste el cual evalua la significancia de la deiferencia entre la matris
de varianza-covarianza observada y la estimada. Valores bajos indican buen bondad de ajueste. Tiende
a rechazar la hipotesis nula para muestras largas.

Root mean square residual (RMR)


Tambin una medida absoluta de ajuste que refleja la discrepancia entre covarianza observada y
estimada. Es mas confiable que el chi-squeare. Es mas confiable con muestras largas. Toma valores
entre 0 y 1, donde 0.0 indica perfecta bondad de ajuste. Un valor de 0.05 o menor sugiere buen ajuste.

Root mean square error of approximation (RMSEA)


Este ndice incorpora una funcin de penalidad para poca parsimoneidad del modelo al tomar en cuenta
el numero de parmetros estimados. El ndice Un valor de 0.05 o menor sugiere una bondad razonable.

Comparative Fit Index (CIF)


Este ndice evala la bondad de ajuste del modelo en contra de la independencia del modelo en el cual
la covarianza entre los indicadores es fijada a cero. Un valor debajo de 0.95 es un excelente fit.

Tucker-Lewis index (TLI)


Evala el valor del chi-square en su grado de libertad en el modelo propuesto, relativo a la misma
cantidad en la hiptesis nula. Un valor debajo de 0.90 es una bondad de ajuste aceptable.

Pasos, procedimientos y recomendaciones


para el Anlisis Factorial Exploratorio
(Ver: Brown 2006 The Common Factor Model and EFA)

1. Seleccin de indicadores y unidad de anlisis


2. Seleccin del mtodo de extraccin
3. Decisin sobre el nmero de factores a retener
4. Seleccin del mtodo de rotacin
5. Interpretacin y evaluacin del la calidad de la solucin

Monitoring Inequality
between social groups

Examples...

(Roche 2008)
Foco:

Condiciones de la Vivienda
(la capacidad de estar bien protegido being well sheltered)
Contexto: Venezuela
Data:

Encuesta de Hogares (2001)


Censo (71, 81, 90, 2001)

Indicadores seleccionados
Sistema sanitario (Sewage system)
Agua (Water)
Electricidad (Electricity)
Combustible (Fuel)
Pisos (Floors)
Techos (Roofs)
Paredes (Walls)
Hacinamiento (Housing
Overcrowding Index)

2. Seleccin del mtodo de extraccin

Principal factor (pf): Las contribuciones (factor loading) son calculadas


usando el cuadrado de las correlacions mltiples como estimacin de las
comunalidades. Es uno de los mtodo mas comunes y es preferible
cuando no se desea sumir normalidad multivariable.

Principal-component factor (pcf): Equivale al mtodo de anlisis de


componentes principales donde las comunalidad se asumen igual a 1.
Estrictamente no corresponde a un anlisis factorial.

Iterated principal factor (ipf): Estima las comunalidades de manera


iterativa.

Maximum-likelihood factor (ml): Permite evaluacin estadstica para


evaluar que tan bien la solucion factorial es capaz de reproducir la
relacin entre los indicadores de la data originaria. Asume normalidad
multivariable.

3. Decisin sobre el nmero de factores a retener


 Kaiser Criterion (Guttman, 1954): los factores que tengan un
eigenvalue de 1.0 o mayor; con el razonamiento de que un factor no debe
explicar menos que la varianza equivalente que hubiera explicado una sola
de las variables incluidas en el anlisis.

3. Decisin sobre el nmero de factores a retener


 Anlisis del Scree Plot (Cattell, 1966): se identifican se identifica el
punto de inflexin en la curva del scree plot para seleccin un grupo
reducido de factores que eigenvalues significativamente superiores a los
dems.

Eigenvalues

Scree plot of eigenvalues after factor

10
Number

15

3. Decisin sobre el nmero de factores a retener


 Anlisis paralelo (Horn, 1965): los factores a extraer deben dar cuenta
de mas varianza que la que es esperada de manera aleatoria.

Eigenvalues
2
4

Parallel Analysis

10
Factor

Factor Analysis

Parallel Analysis

15

3. Decisin sobre el nmero de factores a retener


 Juicio terico: : En la prctica los distintos mtodos pueden llevar a
conclusiones contradictorias por lo cual es importante que tambin se
tome en cuenta el juicio terico del analista. En ocasiones la teora puede
indicar el nmero de factores que es relevante extraer y el analista puede
estar interesado en comprobar que los tems convergen en los factores en
los que tericamente se esperaran que lo hicieran y que a su vez su peso
en los otros factores es relativamente bajo. Este es el procedimiento que
se suele seguir en procesos de validacin de escalas. En otras ocasiones
el analista puede estar ms interesado en explorar la data para lo cual
intentar diferentes extracciones guiadas por los mtodos anteriores y
procurar identificar si el nmero de factores extrado es teorticamente
defendible.

4. Seleccin del mtodo de rotacin


Los factores son una solucin ortogonal que implica independencia (no correlacin) .
Los factores pueden ser rotados para facilitar interpretacin, lo que en la practica es
distribuir la varianza entre los factores.
Como resultado aumentamos la contribucin de algunos indicadores en algunos
factores mientras disminuye su contribucin en otros factores. EL TOTAL DE LA
VARIANZA EXPLICADA POR LOS FACTORES SE MANTIENE CONSTANTE.

90
90

90
130

Rotacin Ortogonal
(e.g. Varimax)

Rotacin Oblicua
(promax or oblimin)

La decisin del mtodo esta normalmente basada en la teora (seria de esperar


que las dimensiones estn correlacionadas?) No hay una solucin nica!

Monitoring Inequality
between social groups

Ejemplo...

(Roche 2008)

Unrotated, Varimax-rotated common components matrix

Sewage
Water
Electricity
Fuel used for cooking
Floors
Roofs
Walls
Housing Overcrowding Index

Unrotated
Component
1
2
3
0.734 0.120 -0.010
0.565 0.435 0.144
0.420 0.529 0.138
0.401 0.495 -0.088
0.752 -0.208 -0.310
0.597 -0.312 -0.595
0.692 -0.228 0.345
0.495 -0.513 0.513

VARIMAX-rotated
Component
1
2
3
0.518 0.418 0.331
0.695 0.100 0.190
0.687 -0.014 0.061
0.620 0.147 -0.087
0.226 0.752 0.297
0.018 0.897 0.070
0.258 0.250 0.721
-0.064 0.101 0.870

Extraction Method: Principal Component Analysis. 3 components extracted.


VARIMAX: Rotation converged in 4 iterations.
Oblimin: Rotation converged in 9 iterations.

5. Interpretacin y evaluacin del la


calidad de la solucin

Chequear si la solucin tiene sentido y es interpretable

Eliminar los factor que estn poco definidos

Eliminar los tems que se comportan errticamente (idealmente


deberan tener alta contribucin en un factor y baja contribucin
en los otros)

De ser necesario el proceso puede ser iterativo corriendo nuevos


anlisis hasta obtener una solucin satisfactoria

Si se pretende proponer una conclusin terica, conviene replicar


el anlisis en otras bases de dato y llevar a cabo un Anlisis
Factorial Confirmatorio

Monitoring Inequality
between social groups

Ejemplo...

(Roche 2008)

Sewage
Sewage system
system (X
(X11))
Water
Water (X
(X22))

Services
Services

Electricity
Electricity (X
(X33))
Fuel
Fuel (X
(X44))
Housing
Housing
Adequacy
Adequacy

Floors
Floors (X
(X55))
Roof
Roof (X
(X66))

Structure
Structure

Wall
Wall (X
(X77))
Housing
Housing
Overcrowding
Overcrowding Index
Index (X
(X88))

Space
Space
and
and Density
Density

HAI =1/ 3( X1 + X 2 + X 3 + X 4) +1/ 3( X 5 + X 6 + X 7) +1/ 3( X 8)


Quizs el anlisis de la adecuacin de la vivienda debiera observar estos
diferentes niveles, y no centrarse no solo en un indicador sinttico general.

Ejemplo...

Capabilities and Groups Inequalities


(Roche 2009)
1

0.95

0.95
0.9

0.9

0.85
0.8

0.85

0.75

0.8
0.7
CS
UC
UL

0.65
0.6

UM

Hsoc1 Hsoc2

0.75

0.7

US

HSoc3 HSoc4

HSoc5

CS
UC
UL
UM

Hsoc1 Hsoc2

UR

HSoc6

Overall housing adequacy

US

HSoc3 HSoc4

HSoc5

UR

HSoc6

Housing Services

0.95
0.925

0.9

0.9

0.8
0.875

0.7

0.85
0.825

0.6

0.8

0.5

CS
UC
UL
UM

0.4
Hsoc1 Hsoc2

US

HSoc3 HSoc4

HSoc5

UR

HSoc6

Housing structure

CS
UC
UL
UM

0.775
0.75
Hsoc1

Hsoc2

US

HSoc3

HSoc4

HSoc5

UR

HSoc6

Space and density

Capabilities and Groups Inequalities

Ejemplo...

(Roche 2009)
Adj. R-Squared for different models
Overall
Services Structure
Adequacy
(HSI)
(HTI)
(HAI)

Space and
Density
(HDI)

Model 1: Income and constant only

Y = c + 1 X 1 + e
Model 2: Income, demographic factors and
constant

Y = c + 1 X 1 + 3 Z 3 + e
Model 3: Income, Hsoc, demographic factors
and constant

Y = c + 1 X 1 + 1 Z 1 + 3 Z 3 + e
Model 4: Income, Hsoc, ZXT, ZXR,
demographic factors and constant

Y = c + 1 X 1 + 1 Z 1 + 2 Z 2 + 3 Z 3 + e
Model 5: Income, Hsoc, ZXT, ZXR, other
occupational variables (EcoAct, SecInf,
SecPub), demographic factors and constant

Y = c + 1 X 1 + 1 Z 1 + 2 Z 2 + 3 Z 3 + e

15.1%

4.8%

15.1%

6.2%

20.4%

8.5%

16.5%

19.9%

25.0%

10.0%

21.7%

21.2%

32.1%

28.8%

28.6%

21.8%

34.0%

33.6%

29.8%

22.2%

EVALUACIN PSICOMTRICA DE ESCALAS SUBJETIVAS


Las escalas psicomtricas procuran medir un
constructo (i.e. percepcin de autonoma) usando
mltiples tems. Escalas con mltiple-tems son
generalmente mas validas que escalas con un
solo tem. La teora de medicin de trasfondo es
que los tems contienen un componente real y
un ruido (error de medicin). Mltiples tems
permiten disminuir el error de medicin e
identificar consistencia entre los tems en
ocasiones el tems puede estar midiendo algo
diferente a lo que el investigador se propone
(Treiman 2009).

Error
e

Dimensionalidad de las escalas


(Abell et al., 2009)
Dimensin
Uni

Multi

Uni

Mas simple

Peor Posible

Multi

Mas comn

Mas complejo

Items

Items

Constructo
Terico

Mi vida tiene un claro sentido o propsito

He descubierto un sentido satisfactorio de la vida

Tengo una clara idea de lo que le da sentido a mi vida

Sentido
del a
vida

Eg. Gagne et al 2009: The Motivation at Work Scale


External
regulation

External:
1. Because this job affords me a certain standard of
living
2. Because it allows me to make a lot of money
3. I do this job for the paycheck

Introjected
regulation

Identified
regulation

Integrated
regulation

Intrinsic
Regulation

Continuum

Scale
Relative
Autonomy

Introjected:
1. Because I have to be the best in my job, I have to be
a winner
2. Because my work is my life and I dont want to fail
3. Because my reputation depends on it
Identified:
1. I chose this job because it allows me to reach my life
goals
2. Because this job fulfills my career plans
3. Because this job fits my personal values
Intrinsic
1. Because I enjoy this work very much
2. Because I have fun doing my job
3. For the moments of pleasure that this job brings me

The stem is Using the scale below, please indicate for each of the
following statements to what degree they presently correspond to one of
the reasons for which you are doing this specific job and is
accompanied by the scale 1= not at all; 2= very little; 3 = a little; 4 =
moderately; 5 = strongly; 6 = very strongly; 7= exactly.

Tpico proceso de desarrollo de escalas subjetivas

Diseo de tems candidatos

Largo nmero de
tems

Las escalas son adaptadas


a mltiples contextos e idiomas
(muestras largas o pequeas)
Escalas
comparables
Internac.

Evaluacin de la validad de contenido


(consulta a expertos,
entrevista cognitivas, grupos focales,,etc)
Una lista mas
reducida y
refinada de tems

Las escalas finales son incorporadas en


Encuestas de Hogares
(muestras largas y representativas)
Anlisis de mayor
alcance

Prueba piloto en muestras pequeas


junto a una rigurosa validacin
(AFE, Cronbach alfa ,
validacin convergente)
Se eliminan los
tems dbiles

Test sucesivos con listas acortadas


con muestras pequeas
(AFC y criterio concurrente)
Escalas
validas y
confiables

EVALUACIN PSICOMTRICA DE ESCALAS SUBJETIVAS


Tipo de evidencia

Preguntas Fundamentales

Tipo de Anlisis

Pruebas de Confiabilidad
Consistencia Interna

Los indicadores de la escala miden niveles similares?

Coeficiente de Alfa Cronbach

Mediciones sucesivas

La escala produce similares medidas bajo condiciones equivalentes?

Mltiple Administracin

Apariencia

Contenido

Pruebas de Validez
La escala parece medir lo que se supone que quiere medir?
El contenido de los tems refleja la definicin del constructo terico?
Los entrevistados entienden las preguntas/trminos en la misma forma?

Evaluacin por parte de expertos en


desarrollo de escalas
Evaluacin por un grupo de expertos /
Entrevista cognitiva / Focus Group

La escala mide el nmero de constructos tericos?

Factorial

Se pueden defender los constructos descubiertos? (desarrollo inicial) 

Anlisis Factorial Exploratorio (AFE)

Se confirman los constructos tericos? 


(Prueba de hiptesis)

Anlisis Factorial Confirmatorio (AFE)

La estructura es comparable entre los grupos relevantes? 

with covariate DIF


(Item invariance)

Constructo
(Convergencia y Discriminancia)

Las variables que deberan correlacionar con la escala lo hacen?


Las variables que no deberan correlacionar con la escala no lo hacen?

Correlacin, ANOVA, t-test

Criterio Concurrente
(grupos-conocidos o instrumentsconocidos)

Los puntajes de las escalas representan los entrevistados adecuadamente con


caractersticas conocidas?
Las categorizaciones basadas en nuevas escalas se relacionan bien con
aquellas basadas en medidas estandarizadas previas?

Correlacin, ANOVA, t-test

Predictivo

Los puntajes de las escalas predicen adecuadamente el comportamiento


futuro o las actitudes de los respondientes?

Correlacin, ANOVA, t-test

Fuente: Adaptado de Abell et al. (2009) Developing and validating rapid assessment instruments, OUP.

Validacin convergente del tem: Kendall Tau b correlations


Las escalas correlacionan como es de espera con los tems en cuanto a signo e
intensidad?

Consistencia interna de la escala:


Alfa de Cronbach (Cronbach 1955)
Psiclogos ponen atencin en la confiabilidad:
Los indicadores en la escala producen
similares puntajes?
Economistas piensan en trminos de robustes:
La escala produce ordenamientos similares?

Nr
=
1+ r (N 1)
N: nmero de items

r : promedio de la correlacin entre items

(Treiman 2009)

El Sentido de la Vida
El cuestionario del Sentido de la Vida
(Steger et al, 2006, Meaning in Life questionnaire)
Sentido: El sentido que tenemos, y el significado que sentimos en
relacin a la naturaleza de nuestro ser y existencia
Mi vida tiene un claro sentido o propsito.
He descubierto un sentido satisfactorio de la vida
Tengo una clara idea de lo que le da sentido a mi vida
Versin corta de la escala presencia de sentido, que mide si una
persona percibe que da sentido a su vida y si esto se traduce en un
satisfactorio y claro propsito de vida

Necesidades Psicolgicas Bsicas


3 sub-escalas (Deci and Ryan 2000)
Autonoma: Determinacin autnoma, libertad de expresarse, autenticidad
Siento que soy libre de decidir cmo quiero vivir mi vida
En general siento que puedo expresar libremente mis ideas y opiniones
Siento que en toda situacin diaria puedo ser honesto/a conmigo mismo
Competencia: Apreciacin externa, sentido de logro, auto-eficacia
La gente que conozco me dice que soy capaz/hbil en lo que hago
La mayor parte del tiempo siento que cumplo en las cosas que hago
En general me siento muy capaz
Relacionamiento con otros: Interaccin social, amistad, relacin con otros
Me llevo bien con las personas con las que tengo contacto
Considero cercanas a las personas con las que me relaciono.
La gente que me rodea se preocupa por m

ANALISIS FACTORIAL EXPLORATORIO


Factor
1
mv3_a My life has a clear meaning or purpose

.759

mv3_b I have found a satisfactory meaning in life

.920

mv3_c I have a clear sense of what gives meaning to my life

.780

mv4_a I feel free to decide for myself how to lead my life

.659

mv4_b I generally feel free to express my ideas and opinions

.974

mv4_c I feel like I can pretty much be honest with myself in daily situations

.632

mv5_a People I know tell me I am competent/capable at what I do

.740

mv5_b Most of the time I feel a sense of accomplishment from what I do

.843

mv5_c I generally feel very capable

.820

mv6_a I get along well with people I come into contact with

.638

mv6_b I consider myself close to the people I regularly interact with

.928

mv6_c People in my life care about me

.641

Chronbachs Alpha

.878

.845

Note: Only items with a loading higher than .300

.859

.809

ANALISIS FACTORIAL CONFIRMATORIO

X2(48)=231.41, p=.000, RMR=.013, RMSEA=.045, CFI=.986, TLI=.981

Validacin de las escalas de bienestar


psicolgico y subjetivo con los datos de Chile
Factorial: El anlisis factorial exploratorio muestra que los tems convergen
y discriminan entre si de acuerdo a los cuatro constructos a evaluar
(sentido de la vida, autonoma, competencia, y relacin social con otros).
Confiabilidad: Alta consistencia interna (Cronbachs ), correlacin interna
entre los tems en cada escala y correlacin entre las clases.
Estructura: Anlisis Factorial Confirmatorio la bondad de ajuste
confirma la estructura de los constructos tericos.
Comparabilidad across groups: invariancia factorial para genero y grupos
de edad.
Concurrencia de criterio: correlacin esperada con otros instrumentos

Fortalezas
 Solucin ad-hoc con alto poder de
reduccin de dato
 Da cuenta sistemticamente del error de
medicin (basado en una teora de
medicin)
 Permite identificar relevantes
dimensiones subyacentes a los datos
 Reduce el riesgo de contar varias veces
atributos que estn altamente
correlacionados mientras toma en cuenta
sistemticamente el error de medicin
 Los puntajes factoriales pueden ser
guardados y usados en futuros anlisis
para inferencia o modelaje (o
alternativamente incorporado
directamente en modelos de ecuaciones
estructurales)
 Contribuyen a la validacin sistemtica
de escalas subjetivas

Debilidades
 El puntaje factorial final es de difcil
interpretacin
 La agregacin y pesos puede variar
cada vez que una nueva data es
considerada, dificultando la
comparacin temporal o entre
diferentes contextos.

 No hay una solucin nica de


agregacin (depende del la eleccin
del mtodo de extraccin y de
rotacin)
 La validez de los constructos
identificados depende de la
relevancia terica de los indicadores
elegidos
 Dificultad para trabajar con escalas
ordinales.