Información de la revista
Respuestas rápidas
Compartir
Compartir
Descargar PDF
Más opciones de artículo
Visitas
95
Carta al Director
DOI: 10.1016/j.gaceta.2019.04.002
Open Access
Dos formas fáciles de interpretar las famosas cargas factoriales
Two easy ways to interpret the famous factor loads
Visitas
95
José Ventura-León
Universidad Privada del Norte, Lima, Perú
Este artículo ha recibido
95
Visitas

Under a Creative Commons license
Información del artículo
Texto completo
Bibliografía
Descargar PDF
Estadísticas
Texto completo
Sr. Director:

He leído con gran interés un artículo recientemente publicado en Gaceta Sanitaria1, en el que se utiliza un modelo factorial para validar un instrumento de medida autoinformado y el punto de corte que una carga factorial (λ) sea superior a 0,30 para conservar un ítem en un factor. Por tanto, resulta oportuno complementar los hallazgos de tan interesante publicación.

Utilizar el análisis factorial como una técnica de validación de instrumentos autoinformados es una práctica ampliamente extendida. De acuerdo con una búsqueda realizada por el autor de esta carta en Google Académico®, en los últimos diez años se han publicado 15.400 documentos acerca de validaciones de instrumentos en las que se ha utilizado análisis factorial. Pese a ello, una de las grandes dificultades para los profesionales de la salud es la comprensión de estos modelos y sus elementos; como es el caso, de la λ expresando con frecuencia que supera el valor de 0,30 y quedándose con ese entendimiento. Por ende, la presente carta tiene como propósito explicar dos formas sencillas de interpretar las famosas cargas factoriales.

Es bueno preguntarse por qué los investigadores prefieren una λ>0,30, tal como recomiendan diversos autores2,3. La respuesta subyace en la elevación al cuadrado de ese valor4, que convierte la carga factorial en una proporción de varianza explicada por el factor con respecto al ítem2; entonces, 0,30 equivale a decir que el 9% de la varianza del ítem es explicada por el factor (este concepto también se denomina «comunalidad»). En otras palabras, si usted tiene gripe (factor), 9 de sus 100 estornudos (ítem) a la semana son explicados por la gripe; un porcentaje pequeño que sugiere la existencia de otras razones de su estornudo, como alergias u otras enfermedades. No obstante, si 64 de sus 100 estornudos (λ=0,802) son a causa de la gripe, entonces un antigripal debe disminuir la cantidad de estornudos. Por tal razón, la primera forma de interpretar las cargas factoriales es mediante su lógica de varianza explicada.

Otra manera de entender las cargas factoriales es mediante su lógica de dependencia entre el ítem con el factor (lógica de regresión estadística)5. Si por cada unidad que aumente el factor, la carga del ítem aumentará en el valor que presente (por ejemplo, 0,80), entonces convierta la unidad del factor en una decena (1 multiplicado por 10), y por tanto el ítem representaría 8 unidades (0,80 multiplicado por 10). De esta forma, se revela el peso del ítem en la escala, porque de cada 10 puntos que se incrementen en la escala, el ítem se incrementará en 8 puntos. En otras palabras, si tiene una presión arterial de 120/80 y esta se aumenta en 10 puntos, entonces el bombeo de su corazón se incrementará en ocho pulsaciones por minuto.

En conclusión, se espera que esta carta aclare el panorama a profesionales de la salud no expertos en temas estadísticos y les brinde información para interpretar la carga factorial desde su propio valor, evitando así el uso de puntos de corte que pueden resultar poco informativos si no se interpretan a la luz del contexto de investigación.

Contribuciones de autoría

J. Ventura-León es el único autor de la carta.

Financiación

Ninguna.

Conflicto de intereses

Ninguno.

Bibliografía
[1]
M.D.C. Vega Martínez, A. Frías Osuna, R. Del Pino Casado.
Validez y confiabilidad de la escala de sentido de coherencia en estudiantes de grado de enfermería de una universidad española.
Gac Sanit, piiS0213–9111 (2018), pp. 30088-30098
[2]
P. Kline.
An easy guide to factor analysis.
Routledge, (1994), pp. 194
[3]
A.B. Costello, J.W. Osborne.
Best practices in exploratory factory analysis: four recommendations for getting the most from your analysis.
Pract Assess Res Eval., 10 (2005), pp. 1-9
[4]
P. Morales.
El Análisis factorial en la construcción e interpretación de tests, escalas y cuestionarios.
Universidad Pontificia Comillas;, (2013),
[5]
T.Z. Keith.
Multiple regression and beyond: an introduction to multiple regression and structural equation modeling.
Routledge, (2014), pp. 592
Copyright © 2019. SESPAS
Idiomas
Gaceta Sanitaria

Suscríbase a la newsletter

Opciones de artículo
Herramientas
es en

¿Es usted profesional sanitario apto para prescribir o dispensar medicamentos?

Are you a health professional able to prescribe or dispense drugs?

es en
Política de cookies Cookies policy
Utilizamos cookies propias y de terceros para mejorar nuestros servicios y mostrarle publicidad relacionada con sus preferencias mediante el análisis de sus hábitos de navegación. Si continua navegando, consideramos que acepta su uso. Puede cambiar la configuración u obtener más información aquí. To improve our services and products, we use "cookies" (own or third parties authorized) to show advertising related to client preferences through the analyses of navigation customer behavior. Continuing navigation will be considered as acceptance of this use. You can change the settings or obtain more information by clicking here.