Análisis factorial confirmatorio (CFA)

Qué es

El análisis factorial confirmatorio (CFA) comprueba si tus ítems miden los constructos latentes que esperas. Especificas qué ítems cargan en qué factor antes de mirar los datos. Luego el CFA comprueba cuán bien esa estructura se ajusta a las covarianzas observadas. Es un modelo de medición: todavía no prueba las relaciones entre constructos, solo si cada constructo está bien medido. El CFA es el primer paso estándar antes del structural equation modeling, porque un modelo estructural solo es fiable si las medidas que lo sustentan son sólidas.

Cuándo usarlo

• Tienes una estructura factorial hipotetizada — sabes qué ítems pertenecen a qué constructo.
• Estás validando una escala publicada en una nueva muestra, idioma o población.
• Necesitas reportar validez convergente y discriminante antes de probar un modelo estructural.
• Un revisor pidió un modelo de medición con índices de ajuste, cargas, AVE y CR.

Cuándo no usarlo

• Todavía no sabes cuántos factores existen, ni qué ítems van dónde — primero ejecuta un análisis factorial exploratorio (EFA).
• Solo necesitas consistencia interna para una única escala — puede bastar con un coeficiente de fiabilidad como omega o CR por sí solo.

Supuestos

• Normalidad multivariada de los indicadores (o usa un estimador robusto como MLR cuando los ítems no son normales).
• Indicadores continuos, o indicadores ordinales tratados con un estimador categórico (WLSMV) para ítems Likert con pocas categorías.
• Un tamaño de muestra adecuado — una regla práctica común es 5–10 casos por parámetro estimado, e idealmente N ≥ 200.
• El modelo está identificado — cada factor latente necesita una escala fijada (un ítem marcador o varianza fijada).
• Cada factor tiene al menos tres indicadores; un factor con solo dos queda infraidentificado por sí solo. De tres a seis ítems por factor es el rango habitual. Cuando desarrollas una escala nueva, Hinkin (1998) sugiere de cuatro a seis ítems por constructo en la escala final, y escribir al principio más o menos el doble de ítems, para poder eliminar los débiles.
• Sin errores de especificación importantes, como cross-loadings omitidos o errores correlacionados que deberían estar en el modelo.

Umbrales y valores de corte

Cómo informarlo en APA

Cómo lo ejecuta Explonia

Explonia ejecuta el CFA en el navegador sobre los datos que recoges o subes. Eliges los ítems de cada constructo latente, y Explonia estima el modelo y muestra los índices de ajuste, las cargas estandarizadas, el AVE y el CR con los umbrales aplicados por ti. También redacta una «Article description» — un párrafo sencillo en estilo APA con los resultados que lees, revisas y editas antes de que vaya a tu trabajo. Puedes exportar el modelo y los datos a SPSS (.sav), R o AMOS para reproducir o ampliar el análisis.

Results verified against R (lavaan)

Preguntas frecuentes