Académique Documents
Professionnel Documents
Culture Documents
Docente:
Lina M. Hurtado
Ventajas inconvenientes
reducción de la dimensionalidad de La respuesta que recibe depende de
los datos. Su propósito último consiste las preguntas que usted hace
en buscar el número mínimo de Los factores que aparecen sólo pueden
dimensiones capaces de explicar el venir de las respuestas a las preguntas
máximo de información contenida en que usted hace. Si usted no pregunta
los datos. acerca de los hábitos de sueño, por
ejemplo, entonces no aparecerá ningún
factor relacionado con los hábitos de
sueño. Por otro lado, si usted pide
solamente sobre los hábitos de sueño,
entonces nada más puede aparecer. La
selección de un buen conjunto de
preguntas es complicado, y diferentes
investigadores elegirá diferentes
grupos de preguntas.
Solución ad-hoccon alto poder de Los datos presentan los factores de
reducción de dato azar.
Si se genera una gran cantidad de
números al azar, un análisis factorial se
puede encontrar con estructura
aparente en los datos. Es difícil saber si
los factores que emergen reflejan los
datos o son simplemente parte de la
potencia del análisis factorial para
encontrar patrones
Permite identificar relevantes Es difícil decidir el número de
dimensiones subyacentes a los datos factores que incluyan.
Una de las tareas del analista del factor
es decidir cuántos factores a tener. Hay
una variedad de métodos para
determinar esto, y hay poco acuerdo en
cuanto a cuál es el mejor.
A diferencia de lo que ocurre en otras El análisis factorial se puede decir
técnicas como el análisis de varianza cuáles son. las variables del conjunto
o el de regresión, en el análisis de datos "van de la mano" de una
factorial todas las variables del análisis manera que no siempre son evidentes.
cumplen el mismo papel: todas ellas Sin embargo, la interpretación de lo que
son independientes en el sentido de esos conjuntos de variables
que no existe a priori una dependencia representan en realidad es al analista, y
conceptual de unas variables sobre la gente razonable puede discrepar.
otras.
Permite identificar relevantes La agregación y pesos puede variar
dimensiones subyacentes a los datos. cada vez que una nueva data es
considerada, dificultando la
comparación temporal o entre
diferentes contextos.
Los puntajes factoriales pueden ser El puntaje factorial final es de difícil
guardados y usados en futuros análisis interpretación
para inferencia o modelaje (o
alternativamente incorporado
directamente en modelos de
ecuaciones estructurales)
Análisis Discriminante
Esta técnica es útil para comparar las diferencias entre segmentos o para predecir
la pertenencia a un grupo. El análisis discriminante se ejecuta mediante ecuaciones
generadas por computador. Para llevar a cabo un análisis discriminante existen dos
procedimientos y propósitos distintos. El primero es el análisis discriminante
predictivo que se usa para optimizar las funciones predictivas. El segundo
procedimiento es el análisis discriminante clasificativo que usa las funciones
predictivas derivadas del primer procedimiento, bien sea para clasificar conjuntos
recientes de datos correspondientes a grupos de conformación conocida, o para
clasificar nuevos conjuntos de observaciones pertenecientes a grupos de
conformación desconocida.
Webgrafía
file:///C:/Users/Usuario/AppData/Local/Packages/microsoft.windowscommunication
sapps_8wekyb3d8bbwe/LocalState/Files/S0/545/15_Análisis_Factorial_Escalas[18
69].pdf
http://3w3search.com/Edu/Merc/Es/GMerc039.htm
https://plepso.blogspot.com.co/2015/08/analisis-factorial-e-investigacion-de.html
https://www.centro-virtual.com/campus/mod/assign/view.php?id=11453