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)

Factor Analysis vs.

Economic conditions Fuzzy Sets Theory
(Factor 3)
(Lelli 2008)

Health
(Factor 6)
Belgian Section of the
European Community
Household Panel

Psychological distress
(Factor 1) 54 indicators classified into 7
categories

Shelter The FA confirms the

(Factor 7)
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
Pruebas de Validez
La escala parece medir lo que se supone que quiere medir? Evaluacin por parte de expertos en
Apariencia
desarrollo de escalas
El contenido de los tems refleja la definicin del constructo terico? Evaluacin por un grupo de expertos /
Contenido Los entrevistados entienden las preguntas/trminos en la misma forma? Entrevista cognitiva / Focus Group

La escala mide el nmero de constructos tericos?

Se pueden defender los constructos descubiertos? (desarrollo inicial)  Anlisis Factorial Exploratorio (AFE)
Se confirman los constructos tericos?  Anlisis Factorial Confirmatorio (AFE)
Factorial
(Prueba de hiptesis)

La estructura es comparable entre los grupos relevantes?  with covariate DIF

(Item invariance)
Constructo 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
(Convergencia y Discriminancia)

Criterio Concurrente Los puntajes de las escalas representan los entrevistados adecuadamente con
(grupos-conocidos o instruments- caractersticas conocidas? Correlacin, ANOVA, t-test
conocidos) Las categorizaciones basadas en nuevas escalas se relacionan bien con
aquellas basadas en medidas estandarizadas previas?

Los puntajes de las escalas predicen adecuadamente el comportamiento

Predictivo 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 Cubre empricamente las comunalidades
entre componentes individuales y basa los
Facilidad sanitaria 0.34
pesos en las relaciones empricas entre las
Bienes durables 0.34 privaciones medidas en las capacidades
individuales p 39
Agua 0.33

Educacin 0.28 Desventaja

Seguridad 0.01 La desventaja de este enfoque es que
Malnutricin 0.15 implicitamente asume que solo los
componentes con fuerte correlacin entre
Satisfaccin 0.16 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:
x ij = 1i1 j + 0 2 j + 0 3 j + ij
x1 x2 x3 x4 x5 x6 x7 x8 x9 x ij = 1i1 j + ij
1 2 3 4 5 6 7 8 9
Items 4-6:
1 2 3
1 2 x ij = 01 j + 2i 2 j + 0 3 j + ij
x ij = 2i 2 j + ij
3
Name Parameter Type Description
Lambda-Y x Regression Factor Loading Items 7-9:
Delta
Variance-
Covariance
Error variance and
covariance
x ij = 01 j + 0 2 j + 3i 3 j + ij
Psi
Variance Factor variance x ij = 3i 3 j + ij
Covariance and covariance

Xi (Ksi) Factor
Endogenous
variable
x 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
2

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 Examples...
between social groups
(Roche 2008)

Foco: Indicadores seleccionados

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)
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.

Scree plot of eigenvalues after factor

6
4
Eigenvalues
2
0

0 5 10 15
Number
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.
6 4
Parallel Analysis
Eigenvalues
2 0

0 5 10 15
Factor

Factor Analysis Parallel Analysis

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 Rotacin Oblicua

(e.g. Varimax) (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 Ejemplo...
between social groups
(Roche 2008)

Unrotated, Varimax-rotated common components matrix

Unrotated VARIMAX-rotated
Component Component
1 2 3 1 2 3
Sewage 0.734 0.120 -0.010 0.518 0.418 0.331
Water 0.565 0.435 0.144 0.695 0.100 0.190
Electricity 0.420 0.529 0.138 0.687 -0.014 0.061
Fuel used for cooking 0.401 0.495 -0.088 0.620 0.147 -0.087
Floors 0.752 -0.208 -0.310 0.226 0.752 0.297
Roofs 0.597 -0.312 -0.595 0.018 0.897 0.070
Walls 0.692 -0.228 0.345 0.258 0.250 0.721
Housing Overcrowding Index 0.495 -0.513 0.513 -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 Ejemplo...
between social groups
(Roche 2008)

Sewage
Sewage system
system (X
(X11))

Water
Water (X
(X22))
Services
Services
Electricity
Electricity (X
(X33))

Fuel
Fuel (X
(X44))
Housing
Housing
Floors
Floors (X
(X55)) Adequacy
Adequacy

Roof
Roof (X
(X66)) Structure
Structure
Wall
Wall (X
(X77))

Housing
Housing Space
Space
Overcrowding
Overcrowding Index
Index (X
(X88)) 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.
Capabilities and Groups Inequalities Ejemplo...
(Roche 2009)
1 1

0.95
0.95
0.9
0.9
0.85

0.8 0.85

0.75
0.8
0.7
CS 0.75 CS
0.65 UC UC
UL UL
0.6 UM 0.7 UM
Hsoc1 Hsoc2 US US
Hsoc1 Hsoc2
HSoc3 HSoc4 UR HSoc3 HSoc4 UR
HSoc5 HSoc5
HSoc6 HSoc6
Overall housing adequacy Housing Services

1
0.95

0.9 0.925

0.9
0.8
0.875

0.7 0.85

0.825
0.6

0.8
0.5 CS CS
UC 0.775 UC
UL UL
0.4 UM 0.75 UM
Hsoc1 Hsoc2 US Hsoc1 US
HSoc3 HSoc4 Hsoc2
UR HSoc3 UR
HSoc5 HSoc4
HSoc5
HSoc6 HSoc6

Housing structure Space and density

Capabilities and Groups Inequalities Ejemplo...
(Roche 2009)
Adj. R-Squared for different models
Overall Space and
Services Structure
Adequacy Density
(HSI) (HTI)
(HAI) (HDI)
Model 1: Income and constant only
Y = c + 1 X 1 + e 15.1% 4.8% 15.1% 6.2%

Model 2: Income, demographic factors and

constant
20.4% 8.5% 16.5% 19.9%
Y = c + 1 X 1 + 3 Z 3 + e

Model 3: Income, Hsoc, demographic factors

and constant
25.0% 10.0% 21.7% 21.2%
Y = c + 1 X 1 + 1 Z 1 + 3 Z 3 + e

Model 4: Income, Hsoc, ZXT, ZXR,

demographic factors and constant
32.1% 28.8% 28.6% 21.8%
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 34.0% 33.6% 29.8% 22.2%
Y = c + 1 X 1 + 1 Z 1 + 2 Z 2 + 3 Z 3 + e
EVALUACIN PSICOMTRICA DE ESCALAS SUBJETIVAS
Las escalas psicomtricas procuran medir un
Dimensionalidad de las escalas
constructo (i.e. percepcin de autonoma) usando (Abell et al., 2009)
mltiples tems. Escalas con mltiple-tems son
generalmente mas validas que escalas con un
solo tem. La teora de medicin de trasfondo es Dimensin
que los tems contienen un componente real y Uni Multi
un ruido (error de medicin). Mltiples tems
Uni Mas simple Peor Posible
permiten disminuir el error de medicin e
identificar consistencia entre los tems en Items
ocasiones el tems puede estar midiendo algo Multi Mas comn Mas complejo
diferente a lo que el investigador se propone
(Treiman 2009).

Error Items Constructo

Terico
e Mi vida tiene un claro sentido o propsito
Sentido
e He descubierto un sentido satisfactorio de la vida del a
vida

e Tengo una clara idea de lo que le da sentido a mi 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
Introjected 3. I do this job for the paycheck
regulation
Introjected:
1. Because I have to be the best in my job, I have to be
a winner
Scale 2. Because my work is my life and I dont want to fail
Identified
Relative
regulation
Autonomy
3. Because my reputation depends on it

Identified:
1. I chose this job because it allows me to reach my life
Integrated goals
regulation 2. Because this job fulfills my career plans
3. Because this job fits my personal values

Intrinsic
Intrinsic
1. Because I enjoy this work very much
Regulation 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
Continuum 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
Prueba piloto en muestras pequeas
Evaluacin de la validad de contenido junto a una rigurosa validacin
(consulta a expertos, (AFE, Cronbach alfa ,
Diseo de tems candidatos validacin convergente)
entrevista cognitivas, grupos focales,,etc)

Largo nmero de Una lista mas Se eliminan los

tems reducida y tems dbiles
refinada de tems

Las escalas son adaptadas Las escalas finales son incorporadas en Test sucesivos con listas acortadas
a mltiples contextos e idiomas Encuestas de Hogares con muestras pequeas
(muestras largas o pequeas) (muestras largas y representativas) (AFC y criterio concurrente)

Escalas
Escalas Anlisis de mayor validas y
comparables alcance confiables
Internac.
 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
Pruebas de Validez
La escala parece medir lo que se supone que quiere medir? Evaluacin por parte de expertos en
Apariencia
desarrollo de escalas
El contenido de los tems refleja la definicin del constructo terico? Evaluacin por un grupo de expertos /
Contenido Los entrevistados entienden las preguntas/trminos en la misma forma? Entrevista cognitiva / Focus Group

La escala mide el nmero de constructos tericos?

Se pueden defender los constructos descubiertos? (desarrollo inicial)  Anlisis Factorial Exploratorio (AFE)
Se confirman los constructos tericos?  Anlisis Factorial Confirmatorio (AFE)
Factorial
(Prueba de hiptesis)

La estructura es comparable entre los grupos relevantes?  with covariate DIF

(Item invariance)
Constructo 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
(Convergencia y Discriminancia)

Criterio Concurrente Los puntajes de las escalas representan los entrevistados adecuadamente con
(grupos-conocidos o instruments- caractersticas conocidas? Correlacin, ANOVA, t-test
conocidos) Las categorizaciones basadas en nuevas escalas se relacionan bien con
aquellas basadas en medidas estandarizadas previas?

Los puntajes de las escalas predicen adecuadamente el comportamiento

Predictivo 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)
(Treiman 2009)
N: nmero de items
r : promedio de la correlacin entre items
 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 2 3 4

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 .859 .809

Note: Only items with a loading higher than .300

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.