01 / PLANTEAMIENTO
Una experiencia, dos dimensiones
El instrumento ficticio Experiencia de estudio universitario reúne seis indicadores. Queremos explorar si la tensión académica y la organización del estudio aparecen como grupos diferenciados.
| Reactivo | Indicador | Dimensión propuesta |
|---|
Cada fila es una persona y cada columna una puntuación continua. Usamos una escala con media poblacional 50 y desviación estándar 10. Estas puntuaciones no son respuestas Likert ni calificaciones limitadas entre 0 y 100.
Las dimensiones y relaciones son decisiones didácticas. Un resultado claro no demuestra la validez de un instrumento real.
02 / CÓDIGO PASO A PASO
Tu primera base en R
Abre un cuaderno con R en Google Colab. Crea una celda de texto para cada descripción y una de código para cada bloque. Ejecuta los bloques en orden.
El laboratorio usa un generador aleatorio diferente del de R: la misma semilla produce muestras distintas en ambos, aunque conserva el mismo diseño estadístico.
03 / LABORATORIO INTERACTIVO
¿Qué cambia si cambian los datos?
La carga generadora determina cuánto comparte cada indicador con su característica. Su cuadrado es la comunalidad poblacional del diseño. El resto corresponde a variación propia del indicador.
Editar las primeras ocho personas
Cambia una puntuación y sal del campo para actualizar las gráficas. El resto de la muestra permanece igual. Generar otra muestra reemplaza las ediciones.
Distribución de las puntuaciones
Selecciona un indicador. La curva corresponde a la normal poblacional del diseño, no a una normal ajustada a la muestra.
Las relaciones entre reactivos
Rojo indica correlación positiva, azul negativa y blanco cercanía a cero. Toca o señala un cuadro para ver sus reactivos.
Busca bloques de asociaciones dentro de cada dimensión.
Dos variables, persona por persona
04 / DIMENSIONALIDAD
La gráfica de codo
Observa los autovalores de la matriz de correlaciones completa. ¿Cuáles destacan antes de que la curva se vuelva relativamente plana?
El codo y el criterio de autovalor mayor que 1 orientan la exploración. No determinan por sí solos el número óptimo de factores. Este cálculo todavía no es la extracción de factores comunes.
05 / EXTRACCIÓN Y ROTACIÓN
Otra orientación, una lectura más sencilla
El laboratorio estima un AFE de dos factores comunes por máxima verosimilitud. El número se fija para explorar el ejemplo, no se selecciona automáticamente con el codo. La rotación ortogonal cambia las cargas y mantiene las comunalidades y el ajuste de la misma solución.
Ejes sobre las cargas iniciales
Cargas en los nuevos ejes
Varimax busca una estructura sencilla. El orden y el signo de los factores pueden variar. Sus nombres se asignan al interpretar el contenido de los reactivos. Una rotación ortogonal supone ejes perpendiculares y no sustituye una rotación oblicua cuando los factores deben correlacionarse.
06 / VARIANZA
Lo compartido y lo específico
Cada barra representa el 100% de la varianza de un reactivo estandarizado. La comunalidad es la parte representada conjuntamente por los factores. La unicidad es la parte restante, que puede incluir contenido específico y error de medición.
Azul: comunalidad. Naranja: unicidad. La rotación ortogonal conserva ambas proporciones.
¿Cómo lo calculamos en R?
comunalidades <- rowSums(cargas_rotadas^2)
unicidades <- afe_inicial$uniquenesses
partes <- rbind(comunalidades, unicidades)
barplot(partes * 100, col = c("steelblue", "orange"),
names.arg = c("T1", "T2", "T3", "O1", "O2", "O3"),
ylab = "Porcentaje de varianza")07 / PARA DISCUTIR
Prueba una idea antes de mirar
- Una dimensión más débil. Baja la carga de organización a 0.35. Predice qué cambiará en el mapa y en las comunalidades.
- Otra muestra. Mantén las cargas y cambia la semilla. ¿Qué patrones permanecen y qué números varían?
- Menos estudiantes. Compara 60 con 600. Repite con varias semillas antes de sacar una conclusión.
- Información duplicada. Activa las copias. ¿Por qué las correlaciones perfectas producen un problema aunque el codo parezca claro?
- Un giro. Mueve el ángulo. ¿Qué cambia en las cargas y qué permanece en las barras de comunalidad?
Orientaciones para revisar tus respuestas
Una carga generadora menor reduce la varianza común poblacional. Otra semilla cambia las estimaciones muestrales. Las muestras mayores tienden a estabilizar los resultados, pero una sola comparación no lo demuestra. Las columnas duplicadas vuelven singular la matriz. La rotación ortogonal conserva la suma de cargas al cuadrado de cada reactivo.