Cómo hacer un Análisis Factorial Exploratorio en R. [Chupitos de R]
Вставка
- Опубліковано 3 тра 2020
- Si te gusta mi contenido y quieres, puedes pagarme un café en: ko-fi.com/chupitosder así no me dormiré mientras hago los chupitos.
En este vídeo os enseñaré a hacer Análisis Factoriales Exploratorios (AFE) en R y Rstudio empleando el paquete psych.
Este vídeo forma parte de la lista de psicometría en R y Rstudio, donde también veremos un acercamientos al análisis de componentes principales. Le dedicaremos especial atención a las rotaciones Varimax y Oblimin.
Toda la sintaxis está disponible aquí:
github.com/pableres/AFE/blob/...
y una base de datos para practicar:
github.com/pableres/AFE/blob/...
#AFE #Exploratorio #factorial - Наука та технологія
![Análisis Factorial Confirmatorio (AFC) en R y RStudio. [Chupito de R]](http://i.ytimg.com/vi/ZnHY07TKMJ4/mqdefault.jpg)
![Análisis Factorial Confirmatorio (AFC) en R y RStudio. [Chupito de R]](/img/tr.png)
![Imputación de datos perdidos con bosques de decisión. missForest. [Chupitos de R]](http://i.ytimg.com/vi/Uf2PcPY2PtA/mqdefault.jpg)
![[Anova] Cómo hacer un Anova en R y Rstudio. [Chupito de R]](/img/n.gif)
Pablo... excelente trabajo, super sencillo, claro y didáctico. Por favor no pares el mundo de la ciencia te necesita
Muchas gracias, seguiremos, seguiremos.
Buenísimo el contenido, como el de todos los demás vídeos que subes. Muchas gracias!!
Un placer, saludos ;)
No abía visto este chupito. Muy bueno, gracias por tu contenido. Espero ecuaciones estructurales jej ¡Sigue subiendo!
Muchas gracias, veo que ya has visto lo poco que he creado de ecuaciones estructurales. ;)
Gracias Pablo!
Muchas gracias !!!!!! muy buen contenido.
Gracias a ti ;)
Pablo buena tarde.
Quería felicitarte por este gran trabajo que has hecho en esta plataforma, en realidad es un contenido que favorece el aprendiza y basado en mi experiencia, este vídeo fue de gran ayuda para llevar acabo mi proyecto de pregrado.
Mil y mil gracias por aporta en estos momentos con vídeos enriquecedores y de gran aporte para la investigación.
Me alegra mucho, un saludo!!!
Joli, que buena explicación!!! Gracias por hacer este tipo de contenido! Saludos desde España que también nos tomamos unos chupitos !!!
Saludos!!!
No puedo creer que esto este en UA-cam y gratis, muchas gracias
Un placer!
Es una BELLEZA este vídeo...
Muchas gracias!!
@@PabloVallejoMedina Nombres... a vos
muy bueno gracias
Un placer Andrés ;)
Hola Pablo, siempre se aprenden cosas interesantes en tus videos...me encanta que todo lo lleves a la aplicación práctica...quisiera pedirte que publiques algunos ejemplos del Diagrama de Sankey desde básico a algo más o menos complejo y como debe ingresar la data, ya que esa es mi principal duda, gracias¡¡¡
Hola Celinda, pues no he podido volver a grabar videos. Pero acabamos de publicar un paper donde se explica: revistas.pucp.edu.pe/index.php/psicologia/article/view/25499
¡Gracias!
A veces es interesante calcular la matriz de correlaciones de forma independiente y luego utilizarla para el análisis. ¿Podrías hacer un chupito explicando cómo calcular y usar matrices de correlaciones diferentes?
Sí, sería un puntazo. Además reduce mucho el tiempo para calcular los intervalos de confianza. Creo que tocará en breve!!
Hola Pablo! Excelente video! Cuándo harás el video de ESEM en R? Estoy muy interesado en aprender.
Hola, desconecté un poco de ESEM. Hice mi propia sintaxis alguna vez, pero 0 validada. Así que no me fio mucho de subirla publicamente antes de saber sí está bien.
En este paper, McDonald explica cómo análisis factorial exploratorio y confirmatorio son en realidad lo mismo algebraicamente hablando. Las rotaciones son precisamente las que hacen la diferencia entre uno y otro. link.springer.com/article/10.1007/BF02295591
Creo que el ESEM es perfecto para la demostración de esa tesis. Si me atrevo subiré un chupito de eso.
@IntervaloSimple Bueno, pero tu te casaste con uno de esos ñoños ;)
Hola Pablo, super agradecido con tu contenido, tengo una base de datos con variables dicotómicas y al revisar la sintaxis para explorar el número de factores no incluyes el tipo de matriz, no es necesario?
Hola Oscar, esto dice el paquete oficial:
if covar is TRUE, factor the covariance matrix, otherwise factor the correlation matrix
Gracias por el vídeo. Podrías mostrar cómo podemos estimar las cargas factoriales para cada observación?
Hola, salen cuando les pido el path diagram. Si los quieres en texto tienes que escribir standarized = TRUE en el argumento lavaan.
@@PabloVallejoMedina muchas gracias
Hola Chupitos... Muchas gracias por tu explicación, muy útil y sencillo de entender... Te comento que no me funciona la función n_factors, me aparece que no es encontrada.... actualente uso la versión 4 de [R]... Gracias...
Hola, imagino que no tendrás instalado y llamado el paquete psycho. Asegúrate ;)
Hola Pablo, espero te encuentres muy bien. Estoy intentando hacer un AFE y me aparece este error, sabrías por que puede ser?
results_nfactorsCVPAFE
Tengo el mismo inconveniente ¿Lo pudiste solucionar?
¡Help me!
@@albertoi.cruzflores7477 Hola ! si lo pude solucionar mediante la sugerencia del programa.
@@leandroeidman6422 muchas gracias, intentaré por esa vía 😁
@@leandroeidman6422 Hola! podrias mostrar la linea de cómo lo resolviste, me sale el mismo error y hago la sugerencia pero no lo logro. Estoy utilizando la base de datos del Rpubs de Pablo
@@johnaristizabal9447 hola rey, lo que pasa es que actualizarion la libreria entonces puedes presentar ese inconveniente
n_factors(
x,
type = "FA",
rotation = "varimax",
algorithm = "default",
package = c("nFactors", "psych"),
cor = NULL,
safe = TRUE,
n_max = NULL,...)
# no necesitas escribir todo, a mi me la genero asi
datosx =
n_factors(data1, type = "FA", rotation = "varimax", algorithm = "mle", n = NULL)
Estimado Pablo, Muchas gracias por este video. Me surge una duda, ¿En qué parte de los resultados puedo encontrar la información del índice de homogeneidad corregido (correlación ítem-total) RITC?
Muchas gracias!
Hola Miguel, en este otro video ua-cam.com/video/7o-rV6YqmH8/v-deo.html
Pablo buena tarde,
te felicito por tu trabajo, nos haces la vida más fácil, intenté hacer un análisis de invarianza usando el comando "measurementInvariance" pero me menciona que no me sirve :c, podrías hacer una guía de como hacer ahora una invarianza factorial? :c
Tengo pendiente uno de invarianza, creo que en dos semanas lo subo ;)
Hola! Muchas gracias por el video. Conseguí ejecutar los códigos con mi base de datos. Sin embargo, ahora necesito estudiar para entender la salida del R y lo que hizo el software ¿qué libro me recomendarías para iniciarme en análisis factorial?
Gracias de antemano.
La verdad si es para iniciación creo que el de la teoría clásica del test de muñiz puede estar bien para dar los primeros pasos.
Hola Pablo!! Qué versión de R utilizaste para el tutorial? Gracias !!
hola Pablo, una consulta mas, la indicación: The harmonic number of observations is 438 with the empirical chi square 36.94 with prob < 6.1e-07, es el p-value ?,
donde encuentro el pvalor de la significancia de paralel analysis, kaiser criterion, y optimal coordinate? gracias por tu atención.
Sí, es el p value. Nunca he visto significancia para el criterio de Kaiser, no creo que la tenga... ni para los otros. Péro échale un ojo al paquete, aunque al 99% no tienen.
HOLA PABLO! Una consulta, la Data que se ingresa para obtener el "n_factor" tiene que estar solo con los ítems del instrumento (obvio que con una sola escala, en el caso de tener varios instrumentos me imagino que se seleciona cuestionario por cuestionario) ?? o afecta en algo que se encuentren otras variables en la data (sexo, edad, año de estudio, etc) junto con los ítems ingresados en dicha función??? ,MUCHAS GRACIAS DE ANTEMANO
claro, solo los ítems de tu escala.
Excelente trabajo, disculpa alguna literatura para encontrar la diferencia entre un análisis de componentes principales puro y un análisis factorial de componentes principales? 🤔
Hola, el análisis factorial de componentes principales no existe. O es PCA o es AFE. El problemá fue del SPSS que nos hizo creer eso, pero no. La diferencia en esencia es que el AFE tiene factores latentes y el PCA nop.
PCA includes correlated variables with the purpose of reducing the numbers of variables and explaining the same amount of variance with fewer variables (principal components). EFA estimates factors, underlying constructs that cannot be measured directly.”
Buenas tardes Pablo!
Gracias por tu vídeo!
Estoy intentando hacer el análisis AFE pero al ejecutar la función n_factors me indica que :
Error in n_factors(cdrisc202, rotate = "none", fm = "pa", n = NULL) :
could not find function "n_factors"
No sé si tiene que ver con la versión de R que estoy usando que es la 4.1.1 y esta función está en otro paquete.
Gracias de antemano.
A mi me sale igual!
Igual
Muy buenas Pablo. ¿Por casualidad sabrías como hacer el AFE con mínimos cuadrados ponderados robusto (wlsr) y ml robusto? Muchas gracias.
Hola, técnicamente no se puede implementar un método robusto para un exploratorio. Sé que el programa Factor lo hacía, pero me resulta extraño. En R que yo sepa no existe. Pero vaya puedo estar equivocado.
Estas son las opciones que tenemos:
Factoring method fm="minres" will do a minimum residual as will fm="uls".
Both of these use a first derivative. fm="ols" differs very slightly from "min-
res" in that it minimizes the entire residual matrix using an OLS procedure but
uses the empirical first derivative. This will be slower. fm="wls" will do a
126 fa
weighted least squares (WLS) solution, fm="gls" does a generalized weighted
least squares (GLS), fm="pa" will do the principal factor solution, fm="ml" will
do a maximum likelihood factor analysis. fm="minchi" will minimize the sam-
ple size weighted chi square when treating pairwise correlations with different
number of subjects per pair. fm ="minrank" will do a minimum rank factor anal-
ysis. "old.min" will do minimal residual the way it was done prior to April, 2017
(see discussion below). fm
@@PabloVallejoMedina ok, yo tampoco lo he encontrado en R. Gracias por tu respuesta tan rápida!
Hola Pablo, espero te encuentres muy bien. Te quería consultar la forma de obtener el Índice Káiser Meyer Olkin (KMO) y el Test de Esfericidad de Bartlet y cómo identificar el porcentaje de varianza explicada. MIL GRACIAS SIEMPRE
Hola bartlet así: bartlett.test(tusdatos)
KMO así: KMO(tus datos)
varianza explicada minuto 17:36 en este mismo vídeo ;)
@@PabloVallejoMedinaGenio Muchas Gracias !
@@leandroeidman6422 Un placer
Hola profe, gracias por las explicaciones...me han servido un montón. Una pregunta cómo descargo la tabla de resultados de AFE.
Hola Erika, cómo estás!!. Simplemente exportas la tabla a Excel o copias pegas de la consola.
@@PabloVallejoMedina si profe, pero te preguntaba como tu dices bonito. Como lo hiciste en el video de Cor en apatables. Gracias
es más complicado aquí. Tocaría personalizar la tabla. Tiene su trabajo.
@@PabloVallejoMedina ok profe, gracias...
@@PabloVallejoMedina profe, sería interesante que nos enseñaras para que salga ya en formato Apa :(
Felicidades por los videos, muy útiles y claros en la exposición.
Sólo tengo una duda:
No me sale el porcentaje en el eje Y tal cual como lo muestras en el video.
Me sale de la siguiente forma: 1e+01%, 2e+01%, 3e+01%, 4e+01%
¿Con qué paquetería se resuelve esto?
Muchas gracias
Buff ni idea. eso es un 1, 2 ,3 y 4% respectivamente. Quizá no tengas las variables bien definidas??? la verdad, la primera vez que lo veo. O puede que tengas que apagar esa nomenglatura... prueba con options(scipen = 999)
Sí, justo estoy pensando en modificar el formato de las variables para ver el cambio ya que cargué todos los programas y sigue apareciendome igual.
Todo lo demás salió sin ningún problema.
Muchas gracias por estos videos, son de mucha ayuda para los que estamos trabajando con la validación de instrumentos.
Tengo una consulta, El AFE es una forma de identificar mayor evidencia respecto a la validez ?? con eso basta o es necesario acoplar el AF confirmatorio. o es de forma independiente según la concepcion teorica y evidencia que se cuente del instrumento se toma la mejor decision, pero no pueden ir juntos ??. MUCHAS GRACIAS
Ufff. a ver por partes. Con un análisis factorial no evalúas toda la validez. Solo la de constructo. Entonces, ambos, el AFE y el AFC sirven para sustentar la validez de contenido. Puedes utilizarlos como creas más conveniente. Solo el AFE, solo el AFC o ambos juntos. Pero nunca sobre la misma matriz de datos, porque obviamente lo que has explorado en una matriz lo vas a confirmar sobre esa misma.
@@PabloVallejoMedina muchas gracias. Me queda más claro respecto a la validez de constructo
Hola Pablo una pregunta, cuando ejecuto la sintaxis, en la consola el paquete "psychometric" aparece como FALSE!
Hola, ostrás pues no está en el CRAN. De todas formas no te hace falta para esta sintaxis ;)
Hola,
Da igual con qué tipo de datos estás trabajando? si son ordinales? Puede trabajar desde la matriz policórica?
Resulta que cuando hago el análisis paralelo con fa.parallel no me da el mismo resultado que con esta sintaxis. Que podría estar ocurriendo? En fa.parallel si que le indico que incluya la matriz de correlacion policórica.
Gracias de antemano
Hola, no, no da igual con qué tipos de datos trabajes. Si son ordinales se debe trabajar con la matriz policórica.
FA.parallel es una de las muchas formas de extraer el n de factores. Como lo calcula a partir de los eigenvalores aleatorios podría esperarse una mínima variación entre algoritmos. Nada preocupante.
Muy buenas noches.
Que versión es la de esta versión R.
Muchas gracias por su respuesta.
3.6. Aún no he actualizado a 4.0
@@PabloVallejoMedina Muchas gracias por la información.
@@carlosandresgarciaperez1949 Un placer ;)
Los resultados del NFACTOR los puedo convertir en una tabla APA en word? y si se puede, cómo se hace?
hola, sí se puede quizá no en APA APA, pero lo guardas en formato table o incluso data frame y lo guardas como excel.
Hola Pablo, muchas gracias por tu aporte, te sigo en cada video aunque la verdad que sufro al aplicarlas dado que me aparecen muchos errores, estuve intentando hacer el ploteo, y me dice que falta un paquete "see" y no veo que tengas ese problema en tu proceder. a ver si me das alcance de como solucionarlo, saludos ¡¡
Hola, sí, el primer año es muy frustrante... instala el paquete. install.package("see") y ya ;)
@@PabloVallejoMedina muchas gracias por responder... en la siguiente sintaxis tampoco corre, me aparecen mucho errores, en fn para saber en qué factor van los items, no corre las ultimas sintaxis, ser auqe derepente la versión que estoy utilizando no corra (4.0)
@@andyjossimaralvaradoyepez7164 No creo, quién sabe. Si me das lo errores lo puedo mirar.
@@PabloVallejoMedina estoy descangardo la versión 3.6 como indicabas en otros comentarios a ver qué tal me va no ... Pero corrí la sintaxis y me aparecen muchos errores... Sobre todo que rtools es requerido y que para algunos paquetes la versión 3.6 es antigua 😅😅😅, creo que estoy de mala suerte
@@andyjossimaralvaradoyepez7164 No confundas Warnings con errores ;)
Hola Pablo, muchas gracias por el vídeo. Te escribo porque cuando intento correr el análisis factorial (función fa) me genera el siguiente error: "Error in if (any(lower > upper)) stop("lower>upper integration limits") :
valor ausente donde TRUE/FALSE es necesario
Además: Warning messages:
1: In polychoric(r, correct = correct, weight = weight) :
The items do not have an equal number of response alternatives, global set to FALSE.
2: In qnorm(cumsum(csum)[-length(csum)]) : NaNs produced
3: In qnorm(cumsum(rsum)[-length(rsum)]) : NaNs produced". Tengo una base de 32 variables y 94 observaciones sin valores faltantes. No entiendo cómo solucionarlo, ojalá me puedas ayudar. Un abrazo.
Hola, pueden ser varias cosas. Primera tienes pocos casos para tantas variables. Al menos deberías tener 300 sujetos. Puede ser que no tengas bien definidas las variables, asegúrate que están en numérico o incluso factor. Y revisa las longitudes de los ítems a ver si tienes casos atípicos.
buenas tardes, sus vídeos son realmente muy buenos, me han despejado muchas dudas, pero me gustaria que me ayude en este problema ya que cuando intento obtener obtener la matriz policorica
matrix.poly.items %
polychoric() %>%
magrittr::use_series(rho)
***me sale este mensaje
Warning message:
In cor.smooth(mat) : Matrix was not positive definite, smoothing was done
No sé que debo hacer :/ , estaré atenta a su respuesta, muchas gracias
Hola, muchas gracias. Pues en principio es un error matemático y no de R. Quizá se deba a que tengas algún ítem inverso. Casos extremos, Outliers... no sé tiene mucha pinta de eso. De cualquier forma no es un error sino un Warning. Mi consejo, revisa bien los datos ;)
Hola, ¿has conseguido instalar el paquete Esasystats en R 4.0? estoy intentando replicar el proceso con mi base de datos pero aún no me permite instalar este paquete en la nueva versión.
Vaya, no debería haber problema porque easystats está preparado para la 4.0. Pero la verdad yo sigo feliz en la 3.6 ;)
@@PabloVallejoMedina Al final sólo utilice las librerías "psycho", "parameters" y "see". Pero mi base de datos es algo grande y me dio error para aplicar el fa() con máxima verosimilitud, pero otros métodos si me dio resultados. Gracias por la respuesta.
Estimado, como puedo carga ASI ya que en mi dataset no aparece.
Pon entonces una variables que aparezca en tu data set.
Hola Pablo, soy nuevo en R estaba practicando y en la línea 16 me sale este error: Error: object 'nfactorANSIEDAD' not found
Eso es porque no has creado el objeto nfactorANSIEDAD
Hola Pablo tengo una base de datos con 417 registros, 20 variables, dicotómicas, lo he corrido con tu tutorial y ajusta basicamente, pero encontré otro que realiza el análisis desde la matriz de correlaciones y es absolutamente pobre, no cumple los supuestos, es normal que esto suceda?
Hola, no entiendo muy bien tu duda. Puedes especificar un poco más?
Hola Pablo, estoy siguiendo tus videos para pasar de SPSS a R; sin embargo tengo un problema. Estoy desde script nuevo y paquetes recién cargados; sin embargo me sale este error
Error in stats::cor(x, use = "pairwise.complete.obs", ...) :
unused arguments (rotate = "varimax", fm = "mle")
>
no sé si tendrás alguna solución, muchas gracias de antemano
Tengo el mismo problema :(
@@jersongarcia5615 estimado, encontré que el paquete fue actualizado y aquí la respuesta
puedes copiarlo así de forma resumida
ASIfactor
Hola Pablo, GENIALES TUS VIDEOS!!. Estoy en la réplica del procedimiento con tu data.frame, más al ejecutar el código de la línea 15 (es copia y pega), en la consola me aparece lo siguiente:
results_nfactorASI
Usé la función ?n_factors y me desplegó la ayuda, revisé la sintaxis, la modifiqué de la forma siguiente:
results_nfactorASI
@@albertogalvancorral6201 Hola esa función ha cambiado. Se ha integrado en otro paquete. prueba con esta: parameters::n_factors(afe, rotation = "varimax", algorithm = "mle", n = NULL)
La nueva version de R no me permite instalar algunos paquetes, como ipak etc...
Hola, ipak no es un paquete, es una función. Échale si quieres un vistazo al video donde lo explico: ua-cam.com/video/UjQz9SxG9rk/v-deo.html
Hola Pablo, gracias por el video. Cuando busco el número de factores me sale este error y no lo entiendo! gracias de antemano; Error in stats::cor(x, use = "pairwise.complete.obs", ...) :
unused arguments (rotate = "varimax", fm = "mle")
Que extraño, justo ayer volví a revisar y a mi si me funciona. Qué más info te da?
@@PabloVallejoMedina esa no más. Deben ser mis datos. Gracias igual!!
@@laddy0 Hola, revisa el paquete quizá hayan cambiado algo.
Hola. y como pongo mi base de datos que esta en excel? En el video ya aparece cargado :C
Hola Roland... así: ua-cam.com/video/D_qUT-y2d4M/v-deo.html
Hola, tengo problemas con el grafico de barras de los métodos, no me aparece en el R :c, Alguien puede ayudarme?
Hola, ¿qué problema será?
Igual esta pregunta es absurda pero uno está acostumbrado a SPSS jaja. Como puedo obtener las puntuaciones de cada observación para los (en este caso) dos factores?, es decir tener ya las dos columnas completas en mi dataframe
Hola, muy buena pregunta. tienes que crear el vector/variable. Algo así como df$nuevariable