¿Qué diferencias hay entre el análisis de componentes principales y el análisis factorial?

El análisis de componentes principales (PCA) y el análisis factorial son similares porque ambos análisis se utilizan para simplificar la estructura de un conjunto de variables. Sin embargo, los análisis difieren de varias maneras importantes:
  • En Minitab, cuando se utiliza el análisis de componentes principales, solo se pueden ingresar datos sin procesar. Sin embargo, cuando se usa el análisis factorial, se pueden ingresar datos sin procesar, una matriz de correlaciones o covarianzas o las influencias de un análisis previo.
  • En el análisis de componentes principales, los componentes se calculan como combinaciones lineales de las variables originales. En el análisis factorial, las variables originales se definen como combinaciones lineales de los factores.
  • En el análisis de componentes principales, la meta es explicar tanta proporción de la varianza total en las variables como sea posible. La meta en el análisis factorial es explicar las covarianzas o correlaciones entre las variables.
  • Utilice el análisis de componentes principales para reducir los datos a un número más pequeño de componentes. Utilice el análisis factorial para entender los constructos que subyacen a los datos.

Frecuentemente, los dos análisis se realizan con los mismos datos. Por ejemplo, usted puede realizar un análisis de componentes principales para determinar el número de factores que se extraerán en un estudio analítico de factores.

Al utilizar este sitio, usted acepta el uso de cookies para efectos de análisis y contenido personalizado.  Leer nuestra política