Professional Documents
Culture Documents
= + ,
= 1, ,
(1)
=1
Por lo tanto , para = 1, . . , denota los factores. El nmero de factores, , deberan siempre ser
ms pequeo que . Considerando un vector aleatorio de dimensin con media y matriz de
covarianza () = , la expresin (1) en forma matricial,
= +
(2)
(3)
Donde es una matriz (no aleatoria) de cargas de los factores comunes 1y 1 matrices
aleatoria de los factores especficos.
En este modelo generalizado se asume que:
() = 0,
() =
() = 0,
( , ) = 0
(, ) = 0.
Entonces el modelo generalizado de la ecuacin (3) junto con los mencionados supuestos
constituye el modelo de factor ortogonal.
MODELO DE FACTOR ORTOGONAL
(1) = () (1) + (1) + (1)
=
=
=
=
2
Utilizando los supuesto se puede obtener que = ( ) = =1
+ . La cantidad
2
2 = =1
es llamada la comunalidad y la varianza especifica. Entonces la covarianza de
(4)
En un sentido, el modelo factor explica la mayor parte de la variacin de con un nmero menor
de factores latentes comunes a los componentes, mas un ruido el cual permite
variaciones especficas de cada componente. El factor especfico ajusta de manera individual la
varianza de cada componente.
El modelo de anlisis factorial descansa sobre los supuestos ya mencionados, puesto que si no se
verifican podra ser un anlisis sesgado.
El objetivo del anlisis factorial es obtener las cargas y la varianza especifica. Las estimaciones
de y son deducciones de la estructura de covarianzas.
1
2 .