Dimensionality assessment of ordinal variable An evaluation of classic and modern methods

Resumen

RESUMEN Los objetivos de este estudio son, primero, evaluar el rendimiento de los criterios de retención de factores en la estimación de dimensionalidad para variables ordinales, y, segundo, ofrecer a los investigadores guías prácticas que sean claras y fáciles de seguir. La determinación del número de factores es considerada como una decisión crucial en el análisis factorial exploratorio (EFA) y en los modelos de ecuaciones estructurales (SEM), mas sin embargo, se ha pasado por alto en gran medida en lo que concierne a variables ordinales, encontradas comúnmente en las ciencias sociales y del comportamiento. Mediante el estudio actual se busca abordar este problema a partir de una evaluación extensiva de tres métodos ¿clásicos¿ (el método de las Mínimas Correlaciones Parciales Medias [MAP], el Análisis Paralelo [PA] y la regla de los autovalores mayores a 1 [K1]), así como de cuatro índices de ajuste (CFI, TLI, RMSEA, y SRMR), en la estimación de dimensionalidad para datos ordinales. Con el fin de evaluar de una manera amplia la efectividad de las reglas de retención de factores, se manipuló un grupo integral de factores a partir de métodos Monte Carlo, incluyendo las saturaciones, el número de variables por factor, número de factores, correlaciones factoriales, tamaño muestral, número de categorías de respuesta, nivel de asimetría, método de extracción y el tipo de matriz de correlación. Los resultados mostraron que PA con componentes principales, correlaciones policóricas y la media de los autovalores aleatorios, en conjunto con los índices CFI y TLI con un punto de corte de 0.95, tienen un desempeño adecuado en la determinación del número de factores para variables ordinales. Los otros cuatro métodos, sin embargo, no pudieron recomendarse debido a los altos niveles de sesgo que mostraron. El desempeño de los criterios de retención es puesto en un contexto teórico y se ofrecen guías prácticas para determinar la dimensionalidad de datos ordinales.