Calculadora de análisis factorial exploratorio (AFE)
El análisis factorial exploratorio muestra cuántos factores hay detrás de tus ítems y qué ítems van con cada uno. Es la prueba más usada para la validez de constructo en tesis. Pega tus datos desde Excel: una fila por persona y una columna por ítem de toda la escala. Si la primera fila tiene los nombres de las preguntas, se salta sola.
El cálculo se hace en tu navegador. No guardamos lo que escribes.
Cómo se calcula
Se calcula la matriz de correlaciones de Pearson entre los ítems y sus autovalores. Por defecto se extraen tantos factores como autovalores mayores que 1 (criterio de Kaiser), y puedes cambiar el número.
Extracción por mínimos residuales (minres), que da la misma solución que los ejes principales iterados. Las comunalidades iniciales son las correlaciones múltiples al cuadrado.
Rotación varimax con normalización de Kaiser, que deja los factores sin correlación entre sí y hace más fácil ver qué ítems van con cada uno.
La comunalidad (h²) de cada ítem es la suma de sus cargas al cuadrado: la parte de su varianza que explican los factores.
Cómo leer el resultado
- Cada ítem debería cargar 0,40 o más en un factor (algunos autores aceptan 0,30) y menos de 0,30 en los demás.
- Un ítem que carga alto en dos factores (carga cruzada) o que no llega a 0,40 en ninguno es candidato a revisarse o quitarse.
- Lo ideal es que los factores coincidan con las dimensiones de tu matriz de operacionalización. Si un ítem cae en otra dimensión, revisa su redacción.
- En ciencias sociales, que los factores expliquen el 50 % de la varianza o más se considera adecuado. Comunalidades menores que 0,30 indican ítems que comparten poco con el resto.
Preguntas frecuentes
- ¿Qué hago antes del análisis factorial?
- Revisa el KMO y la prueba de Bartlett. Si el KMO es menor que 0,60 o Bartlett no es significativa, los datos no son adecuados para el análisis factorial.
- ¿Cuántos factores extraigo?
- Empieza con el criterio de Kaiser (autovalores mayores que 1) y compáralo con las dimensiones de tu teoría. Si tu instrumento tiene 3 dimensiones, prueba con 3 factores y mira si los ítems caen donde deben.
- ¿Por qué varimax y no oblimin?
- Varimax es la rotación más usada en tesis y la que viene por defecto en muchos manuales. Si tus dimensiones están muy relacionadas entre sí, una rotación oblicua (oblimin o promax) puede ser más adecuada; en ese caso usa SPSS, R o jamovi.
- ¿Sale igual que en SPSS?
- Con el mismo método sí. En SPSS elige Extracción > Mínimos cuadrados no ponderados (equivale a minres) o Ejes principales, y Rotación > Varimax. Puede haber diferencias en el tercer decimal según cuántas iteraciones use cada programa.
¿Ya sabes qué preguntar?
Crea la encuesta en SurvIQ, compártela por enlace, WhatsApp o QR y mira los resultados en tiempo real. El plan Free es gratis para siempre.
Crear encuesta gratis